1、回归的多面性
（1）OLS回归的使用情境
OLS回归是通过预测变量（即解释变量）的加权和来预测量化的因变量（即响应变量），其中权重是通过数据估计而得的参数。
2、OLS回归
OLS回归拟合模型的形式：
（1）用lm()拟合回归模型：
画真实样本和拟合曲线的图用到的函数：
abline()
lines()
（2）简单线性回归
fit<-lm(weight~height,data=women)
plot(women$height,women$weight)
abline(fit)
（3）多项式回归
形式：y=a+b1x+b2x^2+b3x^3
fit2<-lm(weight~height+I(height^2),data=women)
plot(women$height,women$weight)
lines(women$height,fitted(fit2))
car包中的scatterplot()函数,可以很容易、方便地绘制二元关系图。既提供了身高与体重的散点图、线性拟合曲线和平滑拟合（loess）曲线，还在相应边界展示了每个变量的箱线图。可以借此发现拟合线性or多项式回归更合适。
（4）多元线性回归
因为lm()函数需要一个数据框（state.x77数据集是矩阵），所以要对对象使用as.data.frame()函数进行转化。
多元回归分析中，第一步最好检查一下变量间（包括解释变量和被解释变量）的相关性。cor()函数提供了二变量之间的相关系数，car包中scatterplotMatrix()函数则会生成散点图矩阵。
（5）有交互项的多元线性回归
3、回归诊断
使用lm()函数拟合OLS回归模型，依赖于模型满足在多OLS模型统计假设。summary()函数对模型有了整体的描述，但是它没有提供关于模型在多大程度上满足统计假设的任何信息。所以下面要进行回归诊断。
（1）标准方法
R基础安装中提供了大量检验回归分析中统计假设的方法。最常见的方法就是对lm()函数返回的对象使用plot()函数，可以生成评价模型拟合情况的四幅图形。
OLS回归的统计假设：
*正态性。当预测变量值固定时，因变量呈正态分布，则残差也应该是一个均值为0的正态分布。正态QQ图是在正态分布对应的值下标准化残差的概率图。若满足正态分布，则图上的点应该落在呈45度角的直线上。
*独立性。因变量值间相互独立（或残差间相互独立），从这四张图中无法辨别，可从收集的数据中验证。
*线性。在这叫线性有些片面。如果建立的OLS回归模型拟合的好，那么残差值与模型拟合值不具有相关性。也就是说模型把提取了全部信息，剩下的残差是一个白噪声。在“残差图与拟合图”（Residuals vs Fitted）图中查看。
*同方差性。因变量的方差不会随着自变量的变化而变化。若满足同方差性的假设，在位置尺度图（scale-Location Graph）中水平线周围的点应该随机分布。
第四幅图：残差与杠杆图（Residuals vs Leverage）提供了你可能关注的单个观测点的信息。离群点、高杠杆值点和强影响点。
（2）改进的方法
*正态性：
以下2种方法检验残差的正态性。
car包的qqPlot()函数画出了n-p-1个自由度的t分布下的学生化残差图
residplot()函数生成学生化残差柱状图，并添加正态曲线、核密度曲线、轴须图。
*误差的独立性：即检验误差的自相关性
DW检验
car包提供的durbinWatsonTest()函数检验误差的序列相关性。
*线性：
通过成分残差图（component plus residual plot）也称偏残差图（partial residual plot），你可以看看因变量与各个自变量之间是否呈非线性关系，也可以看看是否有不同于已设定线性模型的系统偏差（若图形存在非线性，则说明你可能对预测变量的函数形式建模不够充分，那么就需要添加一些曲线成分），图形可用car包中的crPlots()函数绘制。
*同方差性：
判断误差方差是否恒定，car包提供2个函数。
ncvTest()函数生成一个计分检验，零假设为误差方差不变，备择假设为误差方差随着拟合值水平的变化而变化。
spreadLevelPlot()函数创建一个添加了最佳拟合曲线的散点图，展示标准化残差绝对值与拟合值的关系。
如果存在异方差，则建议幂次变换（suggested power transformation）。其含义是，经过p次幂（Y p）变换，非恒定的误差方差将会平稳。例如，若图形显示出了非水平趋势，建议幂次转换为0.5，在回归等式中用根号Y 代替Y，可能会使模型满足同方差性。
（3）线性模型假设的综合验证
gvlma包中的gvlma()函数能对线性模型假设进行综合验证，同时还能做偏斜度、峰度和异方差性的评价。换句话说，它给模型假设提供了一个单独的综合检验（通过/不通过）。如果没有通过，则使用前面的方法来判断哪些假设没有被满足。
（4）多重共线性
对于多元回归要检测解释变量间是否存在相关性。
情境：当F检验显著，但解释变量的回归系数不显著，则考虑是否存在多重共线性。
回归系数测量的是当其他预测变量不变时，某个预测变量对响应变量的影响。
4、异常观测值
（1）离群点
（2）高杠杆值点
高杠杆值观测点，即是与其他预测变量有关的离群点。换句话说，它们是由许多异常的预测变量值组合起来的，与响应变量值没有关系。
高杠杆值的观测点可通过帽子统计量（hat statistic）判断。对于一个给定的数据集，帽子均值为p/n，其中p 是模型估计的参数数目（包含截距项），n 是样本量。一般来说，若观测点的帽子值大于帽子均值的2或3倍，即可以认定为高杠杆值点。
hatvalues()函数
高杠杆值点可能会是强影响点，也可能不是，这要看它们是否是离群点。
（3）强影响点
强影响点，即对模型参数估计值影响有些比例失衡的点。
有两种方法可以检测强影响点：Cook距离，或称D统计量，以及变量添加图（added variable plot）。一般来说，Cook’s D值大于4/(nk 1)，则表明它是强影响点，其中n 为样本量大小，k 是预测变量数目。
未读
5、改进措施
（1）删除观测点
谨慎操作
（2）变量变换
当违反了线性假设时，对预测变量进行变换常常会比较有用。car包中的boxTidwell()函数通过获得预测变量幂数的最大似然估计来改善线性关系。
响应变量变换还能改善异方差性（误差方差非恒定）你可以看到car包中spreadLevelPlot()函数提供的幂次变换应用。
（3）增删变量
（4）尝试其他方法
6、选择“最佳”的回归模型
模型没有最佳，根据工作者实际评判。最终回归模型的选择是会涉及预测精度（模型拟合优度）与模型简洁度的调和问题。
（1）模型的比较
方法一：用基础安装中的anova()函数可以比较两个嵌套模型的拟合优度。所谓嵌套模型，即它的一些项完全包含在另一个模型中。
方法二：AIC（Akaike Information Criterion，赤池信息准则）也可以用来比较模型，它考虑了模型的统计拟合度以及用来拟合的参数数目。AIC值越小的模型要优先选择，它说明模型用较少的参数获得了足够的拟合度。
（2）变量选择
从大量候选变量中选择最终的预测变量有以下两种流行的方法：逐步回归法（stepwisemethod）和全子集回归（all-subsets regression）。
*逐步回归
结果中的<none>中的AIC值表示没有变量被删除时模型的AIC。
缺点：逐步回归可能不能评价所有可能的模型，所以最终找到的好的模型不一定是最佳模型。所以产生了全子集回归法。
*全子集回归
方法一：
方法二：
Mallows Cp统计量也用来作为逐步回归的判停规则。广泛研究表明，对于一个好的模型，它的Cp统计量非常接近于模型的参数数目（包括截距项）。
用car包中的subsets()函数绘制。
大部分情况中，全子集回归要优于逐步回归，因为考虑了更多模型。但是，当有大量预测变量时，全子集回归会很慢。一般来说，变量自动选择应该被看做是对模型选择的一种辅助方法，而不是直接方法。拟合效果佳而没有意义的模型对你毫无帮助，主题背景知识的理解才能最终指引你获得理想的模型。
7、深层次分析
介绍评价模型泛化能力和变量相对重要性的方法。
（1）交叉验证
通过交叉验证法，我们评价回归方程的泛化能力。即：回归方程对新观测样本预测表现如何。
所谓交叉验证，即将一定比例的数据挑选出来作为训练样本，另外的样本作保留样本，先在训练样本上获取回归方程，然后在保留样本上做预测。由于保留样本不涉及模型参数的选择，该样本可获得比新数据更为精确的估计。
（2）相对重要性
哪个解释变量对预测最重要
若预测变量不相关，过程就相对简单得多，你可以根据预测变量与响应变量的相关系数来进行排序。但大部分情况中，预测变量之间有一定相关性，这就使得评价变得复杂很多。
方法一：
最简单的莫过于比较标准化的回归系数，它表示当其他预测变量不变时，该预测变量一个标准差的变化可引起的响应变量的预期变化（以标准差单位度量）。在进行回归分析前，可用scale()函数将数据标准化为均值为0、标准差为1的数据集，这样用R回归即可获得标准化的回归系数。（注意，scale()函数返回的是一个矩阵，而lm()函数要求一个数据框，你需要用一个中间步骤来转换一下。）
方法二：
相对权重。