回归诊断

回归诊断（Regression Diagnostics）是一系列用于评估线性回归模型假设是否满足、检测异常观测值及识别模型误设问题的统计方法集合。回归诊断并非模型估计的附属步骤，而是建模过程中不可或缺的验证环节——即使模型在统计上显著且拟合优度较高，若基本假设被违反，估计结果可能产生严重偏误，统计推断也将失去有效性。回归诊断的核心目标可概括为三个方面：检验模型假设的合理性、识别对估计结果有过度影响的观测点、以及发现函数形式的设定偏差。

1. 残差分析

残差（Residual）是观测值与模型拟合值之差，是回归诊断最重要的信息来源。残差分析的核心是检验经典线性回归模型的四个基本假设。

正态性假设要求残差服从正态分布，这是小样本下进行t检验和F检验的前提。常用的检验方法包括正态概率图（Q-Q Plot）、夏皮罗-威尔克检验（Shapiro-Wilk Test）和雅克-贝拉检验（Jarque-Bera Test）。当残差呈现明显的偏态或厚尾分布时，参数估计虽仍无偏，但统计推断的可靠性下降。

同方差性假设要求残差的方差在自变量的各个取值水平上保持恒定。若方差随拟合值或某个自变量的变化而系统性地改变，则存在异方差性（Heteroscedasticity）。异方差性不会导致系数估计有偏，但会使标准误的估计失真，从而影响假设检验的结论。常用的检测方法有布罗施-帕甘检验（Breusch-Pagan Test）和怀特检验（White Test），以及残差对拟合值的散点图。

独立性假设要求各观测值的残差彼此独立。在时间序列数据和面板数据中，残差的自相关（Autocorrelation）较为常见。德宾-沃森检验（Durbin-Watson Test）是最经典的检验工具，其统计量取值范围在0到4之间，接近2表明无自相关。

线性性假设要求因变量与自变量之间呈线性关系。部分回归图（Partial Regression Plot）和拉姆齐RESET检验（Regression Equation Specification Error Test）可用于评估函数形式的正确性。

2. 强影响点诊断

并非所有数据点对回归结果的贡献相同。某些极端观测值可能对系数估计、拟合值或标准误产生不成比例的影响，这类观测点被称为强影响点（Influential Observations）。识别强影响点需要综合考察三个维度。

杠杆值（Leverage）衡量某个观测点在自变量空间中的异常程度。高杠杆点意味着该观测点的自变量取值远离均值，即使其残差不大，也可能对回归结果产生显著影响。杠杆值的取值范围在0到1之间，经验法则认为超过两倍平均杠杆值即为高杠杆点。

库克距离（Cook's Distance）是综合衡量单个观测点对全部回归系数影响程度的指标。它同时考虑了残差大小和杠杆值的高低，将两者结合为一个单一的度量。库克距离超过4除以样本数（4/n）通常被认为具有较大影响。

DFFITS和DFBETAS则分别衡量单个观测点对拟合值和各个回归系数的影响程度。DFFITS反映删除某个观测点后拟合值的变化量，而DFBETAS则聚焦于特定系数估计值的变化。这些统计量在实际应用中常通过影响图（Influence Plot）进行可视化展示。

3. 多重共线性诊断

多重共线性（Multicollinearity）指自变量之间存在高度相关关系，导致回归系数的估计方差急剧膨胀。虽然共线性本身不违反任何模型假设，但会使系数估计变得不稳定，且难以解释单个自变量的边际效应。

方差膨胀因子（Variance Inflation Factor，VIF）是最常用的诊断指标。VIF度量了某个自变量的方差因与其他自变量存在线性关系而被膨胀的程度。通常认为VIF超过10表示严重的多重共线性，需要对模型进行调整。此外，特征值分析和条件指数（Condition Index）也是常用的辅助诊断工具。当条件指数超过30时，往往意味着存在严重的共线性问题。

处理多重共线性的常用策略包括：删除高度相关的变量之一、使用主成分回归或岭回归（Ridge Regression）等有偏估计方法、增加样本量以降低方差、或通过变量整合（如构造综合指数）来减少变量间的重叠信息。

4. 模型设定检验

回归诊断还需评估模型的整体设定是否正确。遗漏变量、不正确的函数形式或数据生成过程的结构变化都会导致模型设定误差（Specification Error）。

拉姆齐RESET检验通过将拟合值的高次项加入原模型进行辅助回归，检验是否存在函数形式的误设。若辅助回归在统计上显著，则表明原模型的函数形式可能存在问题。

邹检验（Chow Test）用于检测数据是否存在结构断点（Structural Break），即模型的回归系数在不同子样本中是否稳定。这一检验在时间序列数据中尤为常用，例如检验经济政策改革前后回归关系是否发生系统性变化。

遗漏变量检验则通过将理论上可能遗漏的变量加入模型，检验其系数的联合显著性，从而判断原模型是否因遗漏关键变量而产生遗漏变量偏误（Omitted Variable Bias）。

5. 实践建议

回归诊断不应被视为一次性操作，而应贯穿整个建模流程。建议的执行顺序为：首先进行残差分析以检验基本假设，继而检测异常观测值和强影响点，再评估多重共线性，最后检验模型设定。对于诊断中发现的问题，应根据具体情况选择相应的修正方法，如稳健标准误、加权最小二乘法、数据变换（如Box-Cox变换）或改用更为灵活的模型形式（如非参数回归方法）。值得注意的是，回归诊断的结论应结合领域知识和实际背景进行解释，避免机械套用统计阈值。

回归诊断作为计量经济学和统计建模的核心组成部分，其本质上体现了"先诊断后治疗"的科学思维——只有充分理解数据与模型之间的匹配程度，才能得出可信赖的实证结论。