KNOWECON WIKI

ARTICLE

多元线性回归结果的解读

多元线性回归结果的解读 多元线性回归模型： 解读回归结果涉及三个部分：模型整体显著性、系数的解释与显著性、以及拟合优度。 模型整体评估 F-统计量与p值：F检验检验原假设 H_0: _1 = _2 = = _k = 0。p值很小（<0.05）则拒绝原假设，表明模型整体统计显著，至少一个自变量有显著解释力。 R-squared (R^2)：决定系数，衡量因变量

浏览 18 更新 2025-10-25

多元线性回归结果的解读

多元线性回归模型：

Y=β0+β1X1+β2X2+⋯+βkXk+ϵY = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k + \epsilon

解读回归结果涉及三个部分：模型整体显著性、系数的解释与显著性、以及拟合优度。

模型整体评估

F-统计量与p值：F检验检验原假设 H0:β1=β2=⋯=βk=0H_0: \beta_1 = \beta_2 = \dots = \beta_k = 0。p值很小（<0.05）则拒绝原假设，表明模型整体统计显著，至少一个自变量有显著解释力。

R-squared (R2R^2)：决定系数，衡量因变量总变异中被自变量解释的百分比。但增加自变量时 R2R^2 永不减小。

Adjusted R-squared (Radj2R_{\text{adj}}^2)：对自变量数量进行修正。增加无贡献变量时可能下降。比较不同数量自变量的模型时应优先使用。若 R2R^2 与 Radj2R_{\text{adj}}^2 相差很大，暗示模型可能包含不必要变量。

回归系数的解读

系数估计值 βi\beta_i：在其他变量不变的条件下（ceteris paribus），自变量每增加一单位，YY 的预期变化量。正负号表示关系方向。

截距项 β0\beta_0：所有自变量为零时 YY 的期望值，实际解释可能无意义，但对模型拟合重要。

系数的标准误 (SE)：衡量系数估计值的不确定性，越小表示越精确。

t-统计量与p值：t=β^i/SE(β^i)t = \hat{\beta}_i / \mathrm{SE}(\hat{\beta}_i)，检验 H0:βi=0H_0: \beta_i = 0。p值小（<0.05）→ 统计显著地拒绝原假设。

置信区间：95\%置信区间不包含0等价于p值<0.05，且提供系数可能取值范围的更多信息。

实际应用示例：房价预测模型

Price=β0+β1⋅SqFt+β2⋅Bedrooms+β3⋅Age+ϵ\text{Price} = \beta_0 + \beta_1 \cdot \text{SqFt} + \beta_2 \cdot \text{Bedrooms} + \beta_3 \cdot \text{Age} + \epsilon

回归摘要：R2=0.824R^2 = 0.824，Radj2=0.819R_{\text{adj}}^2 = 0.819，F=156.7 (p<0.001)。

\begin{tabular}{|l|c|c|c|c|} \hline 变量 \& 系数 \& SE \& t值 \& p值 \\ \hline Intercept \& 50.3 \& 12.1 \& 4.16 \& <0.001 \\ \hline SqFt \& 8.5 \& 0.9 \& 9.44 \& <0.001 \\ \hline Bedrooms \& 15.2 \& 4.5 \& 3.38 \& 0.001 \\ \hline Age \& -0.7 \& 0.4 \& -1.75 \& 0.082 \\ \hline \end{tabular}

解读：模型整体高度显著（调整后 R2R^2=0.819）。SqFt系数8.5（p<0.001）：面积每增100平方英尺，房价增8,500 USD。Bedrooms系数15.2（p=0.001）：每增一间卧室，房价增15,200 USD。Age系数-0.7（p=0.082）：在5\%水平上不显著，但10\%水平上显著。

重要注意事项

  1. 相关性不等于因果性：回归揭示关联而非因果关系
  2. 遗漏变量偏误：遗漏相关重要变量导致系数偏误
  3. 多重共线性：自变量高度相关使标准误变大，系数不稳定
  4. 检查模型假设：误差项的正态性、同方差性和独立性需通过残差分析检验