回归系列之线性回归概述

作者：夏雨骄阳  审阅：阿X  封面：自己想吧     

回归是研究因变量对自变量的依赖关系的一种统计分析方法，目的是通过给定值来估计或预测因变量的均值。回归研究的是因变量和自变量之间的关系，可以用于发现变量之间的因果关系，也可以用于预测。回归分析按照涉及的自变量的多少，分为简单线性回归和多重线性回归。

1简单线性回归

所谓“简单”，是指在回归分析中只涉及一个因变量和一个自变量。所谓“线性”，是指因变量随着自变量的增加而增加（或减少），并且增加（或减少）的速度是不变的，两者的关系可以用一条直线来表现。

假设在一无限总体中，自变量X，因变量Y，X与Y之间具有线性关系，用Yi = ß0+ ß1Xi+e（式1）来模拟X与Y之间的这种线性关系，式1称为简单线性回归模型。模型中Y的第i个取值Yi，是自变量X的第i个取值Xi为自变量的线性函数ß0+ ß1Xi，再加上e，i=1，2，3，···，∞；ß0和ß1称为模型参数。e被称为误差项的随机变量，代表Y的取值除了受X的影响之外的其他因素或者说是随机的影响，e使得回归模型更加符合实际。

回归模型中，如果总体中的ß0和ß1是未知的，那么如何来估计这两个参数。一个现实的解决方案为，按随机原则从总体中抽取一个样本，根据样本数据计算出ß0和ß1对应的统计量的值，作为ß0和ß1的一个估计，从而得出回归方程的一个估计。

通过样本数据，如果能够判断出x和y之间确实存在线性关系，那么就可以拟合出一个确定的直线方程，这个直线方程代表了x与y之间的线性关系，它是对总体回归方程的一个估计，称为估计回归方程。简单线性估计回归方程，如yi = b0+b1xi（式2），b0是对ß0的一个估计，b1是对ß1的一个估计，因而yi是对E（Yi）的一个估计。

例如，30名儿童的升高和体重的数据，部分数据截图如图1，研究两者之间的关系。

图1

将数据的散点图绘制出来，发现两者之间有一种协变的关系，体重随着身高的增加而增加，并有呈直线的趋势。用简单线性回归分析法，拟合出一个确定的直线方程，即y = -26.62+0.40x，代表了身高与体重之间的线性关系，也称之为回归方程。

2多重线性回归

因变量的变化往往不取决于一个自变量，可能同时有两个或两个以上的自变量对其变化产生影响，此时简单线性回归模型就不适用了，需要用多重线性回归模型。多重线性回归，是指因变量Y与两个或两个以上自变量X1，X2，···，Xp的线性依赖关系。

假设在一无限总体中，自变量X1，X2，···，Xp，因变量Y，自变量X1，X2，···，Xp与Y之间具有线性关系，用Yi = ß0+ ß1X1i+ ß2X2i +···+ßpXpi +e（式3）来模拟X与Y之间的这种线性关系，式3称为多重线性回归模型。模型中Y的第i个取值Yi，是自变量X1，X2，···，Xp的第i个取值为自变量的线性函数ß0+ ß1X1i+ ß2X2i +···+ßpXpi，再加上e，i=1，2，3，···，∞，e被称为误差项的随机变量。

多重线性回归模型中，对模型参数ß0、ß1、···、ßp的估计方法同于简单线性回归模型。如yi = b0+b1x1i+ b2x2i +···+ bpxpi（式4），式4称为多重线性估计回归方程，b0、b1、···、bp是对ß0、ß1···、ßp的估计值，yi则是对E（Yi）的估计值。

例如，30名儿童的体重、身高、胸围的数据，部分数据截图如图3，研究体重与身高、胸围之间的关系。

图3

类似地，用多重线性回归分析法，拟合出一个确定的直线方程，即y = -36.133+0.299x1+0.362x2，代表了体重与身高、胸围之间的线性关系，也称之为回归方程。