作者：丁点helper
来源：丁点帮你
前面两篇文章，我们聚焦于线性回归的回归系数，理清了样本与总体回归方程的区别、回归系数的最小二乘法估计等问题，今天我们重点来看看线性回归的残差和预测值。
回归分析的残差
前面我们谈到过样本回归方程有两种写法：
这里，残差的头上也有一个“^”(hat)，意味着残差也有总体与样本之分。由上面残差的计算公式也可推知这一点，因为预测值有样本与总体之分，所以残差也自然也是有的。
我们做线性回归的时候一般需满足：
1）线性（L）：因变量与自变量之间呈线性关系；
2）独立（I）：各观测值相互独立；
3）正态（N）：自变量（X）固定时所对应的因变量（Y）服从正态分布；
以上四个条件即俗称的LINE条件。这些条件虽然是针对因变量而言的，但我们却可以通过对残差进行分析达到检验的目的。一般而言，如果残差满足以上四个条件，则称线性回归的假设条件得到满足。
（有关回归诊断的问题，后面我们会专门详细介绍。）
回归分析的预测值
看完残差，我们再来看看预测值。这里要指出回归方程的第三种写法（一般对于总体回归）：
看到 μ第一反应应该是均数，而且是总体均数（非样本均数），所以 μγ在相关教材上被称作“X取某个特定数值时，Y的条件总体均数”。
这里的“条件总体均数”估计会看晕不少人。所谓“条件”，意味着Y的取值是依据X的取值而定的，“X的取值”是确定Y的前提条件。
由此，严格来说， Ý应该是 μγ 的预测值。
这意味着给定X的取值，我们通过回归获得的是Y的一个平均值。比如前面文章中谈到的教育程度（X）和收入（Y）的回归方程：
当X=15时，可以计算得出 Ý=5000，严格来讲，这里算出的5000并非是某个人的具体收入，而是一群接受了15年教育的人，其收入的平均数。
因为即便是大家都接受了15年教育，但收入也并不完全相同，有的可能一两万，而有的也可能一两千。而我们通过回归获得是收入（Y）在教育程度为15年（X=15）的一个平均数。
理解了这一层，再看下面这图应该会比较轻松。
回归线与竖线的交点，即是回归预测值，也是这个正态曲线的均值。均值对应着正态分布的波峰，意味着即使这一群人的实际收入有差距，但大部分人仍然会围绕5000上下小幅波动（当X=15时）。
这里的正态分布之所以有四个，是因为在不同X的取值水平下，Y的取值会发生（系统性）的变化，即Y的均值会随着X的变化而变化。
这一点其实描述了回归最本质的意义，试想，如果Y的正态分布不随X变化，那意味就X不会对Y产生影响，则两者可能就不存在线性相关。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时，他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点，理解二者区别是避免统计方法误用的关键。核心结论是：stats.ttest_rel（配对 ...
2025-11-03在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中，“频繁写入同一表” 是常见场景 —— 如实时日志存储（用户操作日志、系统运行日志）、高频交易记录（支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系，我将从相关系数的核心定义与类型切入，详解 “数 ...
2025-10-30对 CDA（Certified Data Analyst）数据分析师而言，“相关系数” 不是简单的数字计算，而是 “从业务问题出发，量化变量间关联强 ...
2025-10-30在构建前向神经网络（Feedforward Neural Network，简称 FNN）时，“隐藏层数目设多少？每个隐藏层该放多少个神经元？” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是：Excel 透 ...
2025-10-29在 CDA（Certified Data Analyst）数据分析师的工作中，“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中，“正态分布” 是许多统计方法（如 t 检验、方差分析、线性回归）的核心假设 —— 数据符合正态分布时，统计检验的 ...
2025-10-28箱线图（Box Plot）作为展示数据分布的核心统计图表，能直观呈现数据的中位数、四分位数、离散程度与异常值，是质量控制、实验分 ...
2025-10-28在 CDA（Certified Data Analyst）数据分析师的工作中，“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域，单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布，却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合，理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA（Certified Data Analyst）数据分析师而言，“假设检验” 绝非 “套用统计公式的机械操作”，而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中，“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”，直接决定了运营动作 ...
2025-10-24在卷积神经网络（CNN）的训练中，“卷积层（Conv）后是否添加归一化（如 BN、LN）和激活函数（如 ReLU、GELU）” 是每个开发者都 ...
2025-10-24
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
