知识卡片
漏掉变量会让系数有偏
只用一个变量拟合时,如果真实模型里还有另一个变量既影响 y、又与这个 x 相关,它的效应会被错误地算进 x 的系数。书中的场景是:实际关系里工作时长对上网时间有负效应,而朋友多的人往往工作时间也长。只放朋友数量做单变量回归,工作时长的负效应就被并入了朋友的斜率,使该斜率被低估。机制在于遗漏项落在残差里并与 x 相关,最小二乘只能把这份相关全部归给 x。这种偏差是系统性的,样本再多也不会消失;它正是“自变量与误差不相关”这个假设要挡住的失败模式。
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
小于其“真实”值。也就是说,在这种情况下,单变量的最小二乘解偏向于低估 。此外,通常每当自变量有与此类误差相似的情况时,最小二乘解得出的 是有偏估计。
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:「小于其“真实”值……」
- 原始内容:小于其“真实”值。也就是说,在这种情况下,单变量的最小二乘解偏向于低估 。此外,通常每当自变量有与此类误差相似的情况时,最小二乘解得出的 是有偏估计。