作者:丁点helper
来源:丁点帮你
线性回归,可能是统计学上运用最广泛的一类方法了,之所以说它是一类方法,是因为它包括了我们熟知的各种模型:简单线性回归、多重线性回归、Logistic回归等等。
线性回归运用这么广泛很大程度在于它的内在逻辑十分简单。一般情况下,就是找Y的影响因素或者说是衡量自变量(X)对因变量(Y)的影响程度,即便不理解其中的数学计算也可以很容易地凭借各种软件找到我们想要的结果。
确实如此,线性回归,尤其是一般线性模型(一个Y,多个X)使用起来没什么障碍,但大家是否完全理解清楚了所有应该掌握的内容(非数学计算)可能有待思考,这个系列的文章我们以“线性回归”为主题,希望能让大家对这个问题的认识能再全面一丁点。
回归一词的来源
初学的小伙伴有没有思考过,为什么叫“回归”?
回归,这个词,英文叫“Regression”,最早出现在1886年英国遗传学家Francis Galton发表的一篇研究身高的论文(”Regression towards mediocrity in hereditary stature”),他发现子女的身高会向整个群体身高的均值回归。
什么叫均值回归?
大家是否想过人类生活繁衍了无数代,但总体来看,成年男子的身高并没有发生太大的变化,基本稳定在1米6至1米8(暂不考虑人种差异)。
这种现象很大程度就是因为存在均值回归,即身高较高的父母虽然子女也比较高,但往往比父母矮;身高较矮的父母,其子女的身高往往比父母高。
所以,这里的均值回归,就是指子代的身高会向整个人类的平均身高靠拢的趋势。
换句话讲:姚明的孩子大概率会比姚明矮、潘长江的孩子大概率会比潘长江高。
因此,正是因为身高的均值回归现象(向整个群体的平均身高回归),整个人类的身高水平才能比较均衡。
倘若,个子高的父亲生的孩子比自己还高,而个子矮的父亲生的孩子比自己还矮,那么整个人类的身高就会呈现“两极分化”的态势:要么特别高、要么特别矮。
由此来看,最早的“回归”实际上描述的是一种“现象“,即人们的身高不会无限制地上升或降低,而是会朝着平均水平回归。
当然,这种现象并不仅限于“身高”,我们身边的很多现象都有向均值回归的趋势。比如考试成绩,一般来讲,成绩很难持续提升或下降,而是大概率呈现波动状态,维持在一个平均水平。
而现如今,回归更多是指代一种“方法”,即研究两个或两个以上变量相关关系的方法。以一个变量为因变量(Y),另一个或一些变量为自变量(X),构建一个方程——左边为Y,右边为X,通过计算X的系数来估计X对Y的影响。
比如通过父母的平均身高来估计子女的身高。我们以父母的平均身高为“X”,以孩子的身高为“Y”,然后探讨这两个变量之间的线性关系,这就是一个典型的回归模型。
Francis Galton的研究——父母平均身高与子女身高的回归线
区分总体和样本
在刚开始接触统计的时候,我们会经常强调一对概念——总体和样本。但是,这个问题在做回归时可能会被忽略。
因为无论做哪种统计分析,我们获得数据几乎永远都是”样本数据“:统计量的大小仅仅反映了这组数据的情况。
比如,我们想考察”教育年限(X)“与”收入(Y)“是否存在相关关系。通过抽样,获得了两组数据(例如1000名对象的教育年限和目前的月收入),得出相关系数为0.8。
但是,这个相关系数仅仅反映了这1000名对象的情况,对于所有人(即我们研究的总体),这个相关关系是否仍然成立?
所以,我们必须要进行检验,即相关系数的假设检验。因为我们关心的是相关关系的有无,所以,最主要的是检验总体相关系数是否为0(H0假设)。因为”0“代表无关,只要不为”0“,就证明总体数据的相关关系存在。
同样的,我们也可以用获得的这1000名对象的数据,做回归分析,以”教育年限“(X)为自变量,以”月收入“(Y)为因变量,得到回归方程:Y = 2000+200X+ε
这里,我们最关注的是X的回归系数——200。
这里的200,意味着教育程度每增加一年,月收入增加200元。
但是,这个关系也只是反映了这1000名研究对象的情况,对于所有人,是否教育程度每增加一年,月收入都会增加200元?
这就有待进行假设检验,同样我们也是关注:总体回归系数是否为0。
因此,在接触回归的第一步,我们需要明确,自己手头上数据所获得的回归方程仅仅是一个样本的情况。
如果重复抽样,再进行相同的回归分析,就会得到另一个回归方程。
也就是说,目前得到的这个回归方程(以及其中的回归系数),它是可变的,是一个样本值,随着样本的变化而变化。也正因为此,我们才需要对回归系数进行检验。
实际上,教科书对总体回归和样本回归也有着清晰地区分,就连方程的术语和符号也不例外:
所以,”戴帽子“(^)的都是样本值,或者说是总体的估计值。
理清了这一点,才能更好地搞懂回归系数的假设检验等问题。
最后出个题目考考大家,当我们做回归系数(β)的假设检验时,下面A、B两种写法哪种正确:
数据分析咨询请扫描二维码
大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28在当今快速发展的数据驱动世界中,数据专员的角色变得愈发重要。无论是在企业决策、市场分析还是产品开发中,数据专员都扮演着不 ...
2024-10-27在当今迅速发展的科技时代,数字化对企业的意义无比深远。它不仅提升了企业的竞争力和运营效率,还显著改善了客户体验,推动了企 ...
2024-10-27企业数字化转型是一个全方位的变革过程,旨在通过应用新兴数字技术,重新设计企业的业务流程、组织结构、产品和服务,以在竞争激 ...
2024-10-27数据挖掘是一种集成了统计学、人工智能和机器学习等多种技术的过程,其主要目标是从大量数据中提取有价值的信息和知识。通过分析 ...
2024-10-27数字经济是一种新型的经济形态,以数字技术为基础,通过数据的获取、存储、加工、传输和应用进行经济发展。其核心在于利用数字化 ...
2024-10-27数据科学无疑是现代数字化社会的中流砥柱。随着大数据和人工智能技术的持续飞跃,各行各业对具备数据分析和管理能力的人才需求呈 ...
2024-10-25在当今快速发展的商业环境中,数字化转型已经成为企业保持竞争力和促进业务增长的必然选择。数字化转型不仅意味着技术的变革,更 ...
2024-10-25在当今数据驱动的商业环境中,数据分析已经成为企业决策过程中的核心要素。企业需要处理海量数据,从中提炼出有价值的见解,以支 ...
2024-10-25