步骤一：明确需求

• 明确因变量Y

步骤二：数据清洗

• 缺失值处理
• 异常值处理：三倍标准差以外的数值
• 分类变量

步骤三：相关性分析

• 探索所有自变量与因变量的相关性，得出相关系数，并画出散点图

步骤四：分割测试集训练集

• 20%的数据作为测试集
• 80%的数据作为训练集

步骤五：回归

• F检验
• T检验
• R^2：一元线性回归，看R^2：多元线性回归，看调整R^2

步骤六：模型调优

1. 残差服从正态分布

• 含义：残差服从正态分布
• 检验方法

（1）SW (n<5000)：原假设：H0：残差是正态分布

（2） KS (n>5000)：原假设：H0：残差是正态分布

• 解决措施(若残差不符合正态分布)

（1）对y取自然对数 ln

（2）Box-cox变换：---缺点：把不属于正态分布扭成正态分布，可能会导致数据失真

2.残差具有同方差性

• 含义：如果残差有喇叭状或非线性波懂归类等，则明显具有异方差性
• 检验方法

（1）BP检验：任何时候都可以用；原假设：残差是同方差

（2）WHITE检验：精确度高，会用掉大量自由度，一般样本量大的时候可以用；原假设：残差是同方差

• 解决措施(若残差具有异方差性)

（1）对y取自然对数 ln

（2）加权最小二乘

3.内生性

• 含义

（1）残差的条件均值为0：cov(u,x)=0

（2）内生性：自变量和残差相关，遗漏重要变量

• 检验方法：

（1）Hanseman

• 解决措施(若残差具有内生性)：工具变量
• 备注：在实际工作中，内生性问题可以先暂时忽略，如果要用到，可以利用上面的检验方法和解决措施

4.自变量X具有线性相关性

• 含义：自变量不存在完全共线性
• 检验方法：VIF
• 解决措施(若VIF普遍偏高)：

（1）主成分分析---缺点：会改变变量的属性

（2）岭回归/lasso---缺点：无法保证无偏性

5.序列相关性

• 含义

（1）残差无序列相关

（2）数学描述：lim cov(t,t-h)=lim f(h)=0 [h-->正无穷]

• 检验：时间序列分析

步骤七：继续调项

步骤八：逐步回归、交叉验证

步骤九：模型测试