冰淇淋销量越高，溺水死亡越多——难道冰淇淋害死了人？夏天才是真正的元凶：它同时让两者都上升。单看一个变量，规律是被骗出来的。

上一页我们意识到：一个结果往往受多个因素共同作用。那要怎么把这'多个因素'同时塞进一个方程，让它们彼此配合、互不打架？这就是多元回归要回答的核心问题。

前面我们说，多个自变量会"合力"影响因变量。但"合力"究竟长什么样，必须落到方程上才说得清。这一页同时摆出两种方程——一个是"上帝视角"的真相，一个是"手里有数据"的估计。

从「所有变量一起变」出发，用「冻结其他变量」的思维，找到 X₁ 对 Y 的纯影响。

上页逐个理解了 β 的直觉含义。可当 p 个变量进来，每个系数都要重复列表达式，解起来还得联立 p 个偏导方程。能不能『打包』一次搞定？这就要请出线性代数。

上一页我们用矩阵把回归写得很紧凑。矩阵是抽象的——这一页换双眼睛：把方程"画"出来看。在几何视角下，回归就是在高维点云里拟合一张超平面。

上一页从几何看到了 OLS 的优雅——投影意义下最优。但任何解法都有适用前提，多元回归的可靠性依赖 6 个假设同时成立。下面这一组，一一认识它们。

上一页我们列出了六大假设的清单。现在挑前两条最容易被误解的来讲——很多同学以为'线性'就是散点图要画成一条直线，其实远不止这么简单。

上一页我们约束了 X 与 Y 的关系形态：线性、可加。但模型再漂亮，如果误差项本身出了问题——比如这次的误差记住了上次的——结论照样会崩。这一页看两条直接管住误差项的假设。

误差方差恒定的意义与违背后果

前几页讨论的都是因变量 Y 的性质。但真正让系数估计崩盘的，往往不是 Y，而是自变量之间的纠缠——这就是多重共线性。

前面我们讲了回归的六大假设，但还有一个根本问题没回答：面对一堆散点，凭什么画这条线而不是那条？最小二乘法就是回答「哪条直线最配这些点」的判据。

上节把最小二乘写成了矩阵语言。现在的问题是：损失函数的最低点在哪？参数 β 取什么值能让残差平方和最小？用微积分把它解出来。

正规方程已经写成 X'Xβ = X'Y,但 β 还裹在矩阵里。怎么把它单独拎出来?思路和解 ax=b 完全一样——两边乘逆。

从有限样本到大样本，看三大性质在高维下的成立逻辑。

前面的 OLS 让我们求出了系数，但这只是数字——这些数字到底有没有意义？统计学用「假设检验」来回答。这页拆开多元回归检验的两层结构。

上页我们搭好了假设检验的四步框架：提假设、构统计量、比临界值、做决策。现在把这套流程套到回归方程整体上——检验所有解释变量联合起来是否真有解释力。

F检验四步走：从平方和分解到显著性判断，每步数学依据清晰。

上页 F 检验给了「整个方程是否有用」的结论，但它没回答：里面哪些变量是真出力、哪些只是凑数？这就要逐个拷问偏回归系数，主角换成 t 检验。

单个系数检验与整体模型检验的内在联系

F 检验通过后，我们知道模型「整体有用」，但还差一步：它到底把因变量解释得多好？这时需要一个衡量「解释力」的指标——决定系数 R²。

上一节我们看到了R²衡量模型解释力的优雅。但它有个致命缺陷——只要你往模型里塞变量，R²就只会涨不会跌。这就像一份只看总分不看效率的考核表。调整R²正是为了修补这个漏洞。

两者都衡量拟合优度，但加入无效变量时反应截然相反——不区分会高估模型。

现实里影响房价的因素可能上百个——地段、学区、楼层、噪音……全部塞进模型，R²会接近1，但预测能力可能反而更差。这就是变量选择要面对的两难。

上一节提到变量太多会引发过拟合、共线性等麻烦。那到底该留哪几个？最直接的办法是——把所有组合都试一遍，再用统一标准评判。Mallows 的 Cp 准则就是为此而生的。

全子集回归要穷举所有变量组合，变量一多就算不动。前向逐步选择换思路：从一个变量都没有起步，每一步只挑一个最有用的加进来。

前向选择从空模型往里加，后向剔除反过来——先把所有候选变量都放进来，再一个一个把不显著的踢出去。

前向法只加不删，后向法只删不加。真实建模中，新加入的变量可能让老变量变冗余——双向逐步回归让两个方向同时动起来。

两种逐步法结构对称但方向相反，混淆会导致选错模型方向

假设讲完了，问题来了：怎么知道这些假设在数据里真的成立？答案全在「残差」里——它是模型预测完剩下的部分，像一面镜子，如实反映假设是否被违反。

残差图是模型体检报告，从残差散布形态反向推断假设是否成立。

残差图能诊断问题，但原始残差有隐疾：杠杆点处方差天然偏小，直接比较残差大小容易误判。要公平地衡量各点的异常程度，需要把残差'按位置缩放'——这正是标准化残差和学生化残差要解决的问题。

前面我们用残差揪'不服管'的点，但还有一种'安静的危险分子'——残差不大、看似乖巧，却因为 x 值本身偏得离谱，把整条拟合线悄悄往自己那边拽。杠杆值与Cook距离就是用来识别它的。

残差分析确认模型可靠后，多元回归真正发挥威力——它在观察数据中实现实验做不到的事：同时'控制'多个混杂因素。下面三个场景展现它最常见的应用方向。

上一页讲回归系数"像"偏效应，那还停在直觉层。这一页要拆一个更微妙的陷阱：同一组系数，放回原始尺度与放进标准尺度，说的根本不是同一件事。

前面讲多元回归时默认各变量效应可加——广告投放的影响是一个常数。但现实中经常不成立：促销越强，广告投放的边际回报反而越高。这种「效应跟着另一变量变」的现象，就是交互作用。

上一页我们讨论了连续变量之间的交互作用。但如果自变量是「季节」「城市」「学历」这种分类变量——没有大小顺序，也不能直接当成数字用——该怎么塞进回归方程？

内部验证与外部验证的必要性

糖尿病风险因素分析的完整工作流，按箭头方向从左读到右。

跑完糖尿病案例的回归,还要按这三步检验与诊断,确认模型靠谱。

多元回归中，回归方程整体F检验显著，但所有回归系数的t检验均不显著。最可能的原因是？

• ✓假设是地基：六条假设每条都对应诊断方法
• ✓估计-检验-选择构成迭代闭环，不是单向流水线
• ✓R²高不等于模型好，精简性同样关键
• ✓残差诊断不可省略，杠杆与Cook距离决定稳健性
• ✓系数解读要看场景：交互项与哑变量重塑其含义

请先合上书本独立思考，再点开参考答案对照思路。