多元线性回归
多元线性回归
https://www.bilibili.com/video/BV1cE41177KN/?spm_id_from=333.337.search-card.all.click&vd_source=6292df769fba3b00eb2ff1859b99d79e
https://www.bilibili.com/video/BV11L411B75h/?spm_id_from=333.337.search-card.all.click&vd_source=6292df769fba3b00eb2ff1859b99d79e
https://www.bilibili.com/video/BV1hS4y1J7DZ/?spm_id_from=333.337.search-card.all.click&vd_source=6292df769fba3b00eb2ff1859b99d79e
https://www.bilibili.com/video/BV1Ca4y1a7Uj/?spm_id_from=333.337.search-card.all.click&vd_source=6292df769fba3b00eb2ff1859b99d79e
https://www.bilibili.com/video/BV1Ca4y1a7Uj
二、多元线性回归的数据要求
1、独立性：多元线性回归模型中的每个观察值都应该是相互独立的，即任何一个观察值的存在与否不会影响其他观察值的结果。
2、正态性：因变量和自变量都应该服从正态分布，即数据的频数分布应该接近正态分布。
3、线性关系：因变量和自变量之间应该存在线性关系，即因变量随着自变量的变化而变化。
4、多重共线性：多元线性回归模型中的自变量之间应该相互独立，即自变量之间不存在高度相关性。
5、观测值要足够多：多元线性回归模型需要有足够的样本量，以确保模型的统计意义和显著性。
三、多元线性回归解决什么问题
2、因果关系分析：多元线性回归可以用来分析因变量与多个自变量之间的因果关系，例如研究广告投入与销售量之间的关系。
3、变量选择：多元线性回归可以用来确定对因变量影响最大的自变量，例如确定哪些因素最影响人们的消费决策。
4、模型优化：多元线性回归可以用来确定模型的最佳形式，从而使模型更加准确和可靠。例如确定哪些自变量应该包含在模型中，以及如何对自变量进行变换和转换。
https://baijiahao.baidu.com/s?id=1761604945977090712&wfr=spider&for=pc
https://zhuanlan.zhihu.com/p/48541799
https://zhuanlan.zhihu.com/p/423421233
https://zhuanlan.zhihu.com/p/289014877
