线性回归的五个主要假设
在我们讨论线性回归的假设之前，让我们先看看什么是线性回归。这是一个简单的定义。 线性回归是一条试图预测两点之间关系的直线。然而，预测应该更多地基于统计关系，而不是确定性关系。这句话应该解释线性回归的概念。 “在一起但不相爱的人有很多，但相爱但不在一起的人更多。” 当我们深入研究线性回归的假设时，我们会更好地理解这个概念。 简单线性回归：假设 什么是线性回归？ 如上所述，线性回归对于找出目标与一个或多个预测变量之间的线性关系非常有用。在统计学中，有两种类型的线性回归：简单线性回归和多元线性回归。 想知道成为数据科学专家的途径吗？ 下载详细手册并免费访问行业专家的实时在线演示课程。 日期：1月13日（星期六）| 上午 11 点 - 中午 12 点（印度标准时间） 姓名（必需的） 姓名 * 电子邮件（必需的） 电子邮件 * 电话（必需的） 电话 * 简单线性回归 为了理解简单线性回归的假设，应该清楚简单线性回归的概念。在简单线性回归中，只有两个变量。 一个是预测变量或自变量，而另一个是因变量，也称为响应。线性回归旨在找到两个变量之间的统计关系。 线性回归模型 线性回归模型 统计关系和确定性关系之间存在差异。例如，如果我说水在 100 摄氏度沸腾，您可以说 100 摄氏度等于 212 华氏度。 因此，这两个 Whatsapp 手机号码列表 变量之间存在确定性关系。您有一套公式可以将摄氏度转换为华氏度，反之亦然。 当没有这样的公式来确定两个变量之间的关系时，您可以定义统计关系。例如，没有公式可以比较一个人的身高和体重。但是，您可以绘制线性回归来尝试连接这两个变量。 简单和多元线性回归的示例 简单和多元线性回归示例 简单和多元线性回归示例 这个例子将帮助您理解线性回归的假设。 莎拉是一位热衷于统计学的教师，她对这个学科的热爱胜过其他一切。她给 50 名学生每人分配了一项小任务。 距离考试还有十天左右。她要求每个学生计算并记录每天学习、睡眠、玩耍和参与社交媒体的小时数，并在第二天早上向她报告。 所有的学生都认真地向她汇报信息。考试结束后，学生会得到成绩。她现在绘制了一个图表，将每个变量与每个学生获得的分数联系起来。 当您比较两个变量时，例如学习的小时数与每个学生获得的分数，这是一个简单的线性回归。 当您通过包括睡眠和参与社交媒体的小时数来增加变量数量时，您将拥有多个变量。它解释了多元线性回归假设的概念。当然，线路也会有所不同。
http://zh-cn.ealeads.com/wp-content/uploads/2024/01/Whatsapp-手机号码列表-1.png
线性回归的假设 现在，您知道什么构成了线性回归，我们将讨论线性回归的假设。 线性回归的假设 线性回归的假设 以下是线性回归的假设。 1. 两个变量应呈线性关系 简单线性回归的第一个假设是所讨论的两个变量应该具有线性关系。 莎拉绘制了学生投入的小时数和学生获得的分数的示例，这是线性关系的典型示例。 是的，可以说投入更多的学习时间并不一定能保证更高的分数，但这种关系仍然是线性的。回归线上方或下方总会有很多点。这些位于回归线之外的点是异常值。 线性回归的假设延伸到回归对异常值影响敏感的事实。这一假设也是多元线性回归的关键假设之一。 2.所有变量都应该是多元正态的 线性回归的第一个假设涉及线性关系。线性回归的第二个假设是数据集中的所有变量都应该是多元正态的。 换句话说，它表明随机变量的线性组合应该服从正态分布。上面讨论的同一示例在这里也适用。 学生们报告了他们的学习、睡眠和参与社交媒体等活动。现在，所有这些活动都相互关联。如果你学习的时间较长，你的睡眠时间就会减少。同样，延长学习时间会影响您使用社交媒体的时间。 因此，简单线性回归的假设在该示例中成立。可以使用直方图或 QQ 图来检查假设。 所有变量都应该是多元正态分布
页:
[1]