问改进线性回归模型的技巧

EN

您可以构建更复杂的模型来尝试捕获剩余的差异。以下是几种选择：

• 添加相互作用项
• 添加多项式项来模拟自变量与目标变量之间的非线性关系
• 将脊骨添加到近似分段线性模型中
• 适合等渗回归以删除目标函数形式的任何假设
• 拟合非参数模型，如火星

多元共线性可能是线性回归模型性能较差的原因之一。多重共线性是指线性回归模型中的多个自变量相互密切相关，从而导致结果偏差的情况。一般情况下，多元共线性会导致自变量的置信区间更宽，概率值更不可靠。也许其他线性回归的假设不成立。线性回归需要自变量和因变量之间的关系是线性的。由于线性回归对异常值的影响很敏感，所以检验异常值也是很重要的。线性假设最好用散点图来检验。线性回归分析要求数据中几乎没有或根本没有自相关。当残差不相互独立时，就会发生自相关。