SixSigma——多元回归有哪些基本概念？

六西格玛（SixSigma）的世界总是那么晦涩难懂，我们慢慢嚼烂它.

  

1. 什么是多元回归？

多个自变量的回归问题就是多元回归

2. 什么是多元线性回归？

因变量和自变量线性关系时，为多元线性回归

3. 最后那个误差项是什么意思？

误差项就是自变量无法解释的变异部分

4. 多元回归有假定条件吗？

有，现有的分析都有假设条件，没有就没法分析。

a. 误差项的期望为0

b. 误差项的方差都相等

c. 误差项服从正态分布N(0,?2)

6. 什么是估计回归方程？

和一元回归方程一样，多元回归方程用样本去估计系数β（1,2….n），就叫估计回归方程。

5. 它表示什么意思呢？

他表示在因变量中y的变差 被 估计回归方程 能解释的比例。

6. 什么是多重共线性？

当回归方程中多个自变量之间，彼此存在相关，就会提供多余的信息，在预测中提供的信息也就是重复的，就称为多重共线性。

7. 为什么存在多重共线性不好？

因为变量之间存在关系，会使回归的结果混乱。可能使回归系数βi的正负号相反。

当存在多重共线性，对回归系数的解释是非常危险的。

8. 如何判定多重共线性？

a. 模型中各对自变量之间显著相关

b. 当模型的线性关系F检验显著时，几乎所有回归系数βi的t检验却不显著

c. 回归系数的正负号与预期相反

d. 容忍度与方差扩大因子VIF （variance inflation factor） VIF 越大，多重共线性越严重，一般大于10时，存在严重的多重共线性。