
作者:丁点helper
来源:丁点帮你
上一篇文章介绍了一般线性回归的典型操作,并且留了一个思考题。感谢小伙伴的参与,大家很厉害,没有被迷惑到,线性回归获得的系数代表的是相关关系,而非因果关联。
回归是相关不是因果
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
因为,回归的使用仅能说明数据之前存在关联,但这种关联是否真正代表了两者的内在联系还需要更深入的研究。
之所以采用回归分析,就是通过纳入多个自变量,达到控制混杂因素的作用,但是我们无法纳入所有可能的因素,即所谓的“遗漏变量”(omitted variables),从而导致回归的结果不准确。
例如,探究教育程度与收入的关系,如果我们在回归分析中没有纳入“父母的平均教育程度”这个变量,此时,这个变量就被称为“遗漏变量”。
根据常识,父母的教育程度应该是孩子未来收入的重要影响因素,同时也几乎决定了孩子的教育程度。因此,遗漏这个变量有可能让我们得出有偏差的结果(一般会高估个人教育程度对未来收入的影响)。
同时,如果X与Y之间的关系,不是X导致Y,而是Y导致X(称作“反向因果”),此时的回归分析也会得出有统计学意义的结果(总体回归系数不为0)。
但这个结果无法显示相关关系的方向,即无法判断是X→Y,还是Y→X,从而误导我们的判断。
例如,常有人说,一个国家保护私人产权制度越完善,这个国家就越富裕。
这意味着完备的产权促进了国家经济的发展,于是人们建议:贫穷的国家都要实施良好的私有产权保护。
不可否认,产权对提升经济发展的确有作用。但我们不能忽略这其中的反向因果。
也就是说,很有可能是一个国家富裕之后才开始注意产权保护,产权制度才会更加完善,由此,并非是产权促进了经济的发展,而是经济发展促进了产权的完善。
所以,我们不能只从两组数据的相关就推测因果,除了那些没有纳入考虑的变量,反向因果也有可能对我们进行误导。
由此来看,回归分析更像是一种探索,它提供某种线索,启示我们下一步的研究方向。
回归诊断——残差图
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
回归分析有时候之所以不能揭示因果,除了上面谈到的遗漏变量效应和反向因果外,某些假设条件的违反也会导致回归的结果不准。
所以,我们要牢记做完回归并不意味着万事大吉,进行必要的诊断性分析十分必要。
回归诊断,就是通过各种方法来验证回归分析的假设条件以及其他因素的影响,这里我们重点讲讲回归LINE条件的诊断和多重共线性的识别。
前文我们提到过做线性回归的时候一般需满足:线性、独立、正态、方差齐(LINE)条件。
对这些假设条件的诊断其实有各种各样的办法,其中一种使用十分广泛,简单易学,同时效率也比较高的做法是作残差图。
画残差图,一般是以回归分析Y的预测值为横轴,以残差为纵轴做散点图。
如果打开SPSS,可以看到回归分析模块中有很多种残差:未标准化、标准化、学生化等等。
简单起见,大家可以选择所谓的“学生化”残差。
不知有同学是否了解过,什么叫“学生化残差”?(不能再古怪了!)
实际上,它和我们前面学习的t检验还有联系。
t检验发明者的笔名就叫“学生”,即student,所以这里的“学生化残差”可以简单理解为一种t变换(与标准化,即z变换类似)。
具体的细节感兴趣的同学可以去查一查。在我们的具体应用中,采用“学生化残差”和“预测值”做散点图还是挺简单的,而且可以发现一些问题。
一条原则:如果线性回归效果较好,则残差图的各个散点会围绕着“残差=0”水平线上下均匀分布,如下图中的红线。
这可能是最简单的诊断方法,通过观察散点在上述红线上下的分布情况来推测回归分析的质量,同时提示需要改进的方向。
例如,下面这张散点图,就提示Y与自变量X之间可能存在某种曲线关系。
当增加某个自变量的二次项后,回归被改善。
没有添加任何二次项
增加x1的二次项,拟合效果提示
除此以外,线性回归诊断另一个常见的问题是,当自变量X之间互相存在高度相关性时,会导致回归方程估计结果不稳定,回归系数的标准误大大增加(可以通过数学公式证明,标准误计算的分母因为X之间的相关系数而变大,从而整个标准误变小),称为共线性。
共线性最大的问题是,导致本身有意义(P<0.05)的结果变为无意义(P>0.05)。
SPSS在线性回归分析模块也有专门的共线性诊断指标,我们在分析时点选即可:
根据上一篇文章中的例子,共线性诊断的的指标均在要求之内,提示共线性问题不严重。
最后,如果线性回归的LINE没有通过诊断分析,需要怎样改进呢?如下图,大家作为参考,这些内容后期有机会我们逐渐给大家讲解。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18SPSS 赋值后数据不显示?原因排查与解决指南 在 SPSS( Statistical Package for the Social Sciences)数据分析过程中,变量 ...
2025-07-18在 DBeaver 中利用 MySQL 实现表数据同步操作指南 在数据库管理工作中,将一张表的数据同步到另一张表是常见需求,这有助于 ...
2025-07-18数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14