線性回歸
（1）線性回歸的主要內容：
有興趣可以玩一下這個游戲：是猜相關系數的，給你一些散點圖，猜相關系數，很難猜對，說明看圖說明相關性不靠譜！
（2）線性回歸怎么做？數學公式
一個簡單線性回歸的例子：
ols：
擬合優度：
（3） 假設檢驗
線性回歸這位老師用的是statsmodels做的。
這就是用線性回歸擬合出來的模型！
使用這個函數可以直接得到模型的一些結果，會得到這些表！
這個是預測的函數：predict（x）。這是這個包的函數！
二、多元線性回歸
也可以用向量的方式。
參數是迭代計算的，此處不講了。
模型的檢驗
只用與 模型的選擇 調整的r方。避免的樣本量的影響，預防過擬合！
python中的實現 試用stats model 多個變量用+連一起！
模型的一些值
變量的篩選，除了常規的，就是使用相前，向后還有逐步，還有全子集的方法。
不多介紹，上篇也講過。
python需要自己寫來實現，當然我不會，這里可以用spss去實現
這是python代碼
跳過。。。
回歸的假設。
線性
強影響點篩選，然后直接刪除
強烈建議用spss進行多元線性回歸建模。不過為了熟悉python明天打算用python更着去實現。
自己整理一下，多元線性回歸的檢驗方法：
整體顯著性檢驗：回歸模型出來時候，可以之間看整體的F檢驗的p值
擬合優度檢驗：最簡單的就看R方和調整的R方
系數檢驗：T檢驗結果，可以直接看P值
自相關檢驗：dw檢驗用得最多
異方差檢驗：Goldfeld - Quandt 檢驗法，這個方法挺好的的。其實還有其他檢驗方法，解決辦法是建議取對數
共線性檢驗：vif值
不夠細，明日具體操作的時候會細點！