知识卡片
自变量共线则系数不可辨识
这个假设要求自变量矩阵的各列线性无关:没有任何一列能写成其他列的加权和。若违反,系数的解就不唯一。书中的极端例子是同时放入 num_friends 和一个数值完全相同的 num_acquaintances——把前者系数加 c、后者减 c,预测值一字不变,于是两个系数各自取什么值根本无法确定,也就无法估计 β。现实中的共线很少这么赤裸,常见的是两列高度相关但不完全相等:系数虽然算得出来,却会随样本轻微变动而剧烈摆动,正负号都可能翻转。所以“这个系数没意义”往往不是算法出错,而是数据本身没提供区分这两个变量的信息。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第15章 多元回归 · 查看原书依据
第一个假设是, 的各个列是线性无关的,即无法将任何一列写为其他列的加权和。如果此假设不成立,则无法估算 beta。
参考来源
- 位置:《数据科学入门(第2版)》第15章 多元回归(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0019.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「第一个假设是, 的各个列是线性无关的,即无法将任何一列写为其他列的加权和……」
- 原始内容:第一个假设是, 的各个列是线性无关的,即无法将任何一列写为其他列的加权和。如果此假设不成立,则无法估算 beta。