线性回归
（1）线性回归的主要内容：
有兴趣可以玩一下这个游戏：是猜相关系数的，给你一些散点图，猜相关系数，很难猜对，说明看图说明相关性不靠谱！
（2）线性回归怎么做？数学公式
一个简单线性回归的例子：
ols：
拟合优度：
（3） 假设检验
线性回归这位老师用的是statsmodels做的。
这就是用线性回归拟合出来的模型！
使用这个函数可以直接得到模型的一些结果，会得到这些表！
这个是预测的函数：predict（x）。这是这个包的函数！
二、多元线性回归
也可以用向量的方式。
参数是迭代计算的，此处不讲了。
模型的检验
只用与 模型的选择 调整的r方。避免的样本量的影响，预防过拟合！
python中的实现 试用stats model 多个变量用+连一起！
模型的一些值
变量的筛选，除了常规的，就是使用相前，向后还有逐步，还有全子集的方法。
不多介绍，上篇也讲过。
python需要自己写来实现，当然我不会，这里可以用spss去实现
这是python代码
跳过。。。
回归的假设。
线性
强影响点筛选，然后直接删除
强烈建议用spss进行多元线性回归建模。不过为了熟悉python明天打算用python更着去实现。
自己整理一下，多元线性回归的检验方法：
整体显著性检验：回归模型出来时候，可以之间看整体的F检验的p值
拟合优度检验：最简单的就看R方和调整的R方
系数检验：T检验结果，可以直接看P值
自相关检验：dw检验用得最多
异方差检验：Goldfeld - Quandt 检验法，这个方法挺好的的。其实还有其他检验方法，解决办法是建议取对数
共线性检验：vif值
不够细，明日具体操作的时候会细点！
