Day 05：线性回归和模型诊断
Day 05：线性回归和模型诊断
今天目标
学会解释：
- 线性回归解决什么问题。
- 残差是什么。
- 为什么模型诊断重要。
1. 先复习
不看资料回答：
- p 值是什么？
- p 值小不能说明什么？
- 显著和重要有什么区别？
2. 一句话理解
线性回归是在问：
一个结果变量能不能用几个解释变量的线性组合来解释或预测？
残差是：
模型预测值和真实值之间的差。
模型诊断是：
检查模型是不是用错了、漏了什么、结果靠不靠谱。
3. 通俗类比
你想预测一个学生考试成绩。 你可能用：
- 学习时间。
- 出勤率。
- 作业完成度。
线性回归相当于给这些因素分配权重。
但如果你发现：
- 学习时间很长的人反而分数很低；
- 某些学生误差特别大；
- 模型总是低估高分学生；
这说明模型可能有问题，需要诊断。
4. 专业说法
线性回归用自变量的线性组合解释连续因变量。 模型结果不能只看系数和 R 方，还要看残差、异常点、异方差、遗漏变量和解释边界。
5. 课堂/组会可用表达
我会先用线性回归作为基准模型，再通过残差图和诊断检查模型是否合适。
回归结果支持变量之间的统计关联，但不能直接解释为因果关系。
6. 今日 AI 提示词
- 用考试成绩例子解释；
- 说明系数、残差、R 方；
- 说明为什么要看残差图；
- 说明为什么回归不等于因果；
- 给一段作业报告表达。
请用跨专业硕士新生能懂的方式解释线性回归和模型诊断。 要求：
7. 主动回忆练习
- 线性回归解决什么问题？
- 残差是什么？
- 模型诊断为什么重要？
- 为什么回归不等于因果？
8. 今日小作业
写 100 字以内：
我为什么会先用线性回归作为基准模型？
9. 间隔复习
复习 Day 01：
为什么极端风险问题中，线性回归可能不是最终答案？