步驟一：明確需求

• 明確因變量Y

步驟二：數(shù)據(jù)清洗

• 缺失值處理
• 異常值處理：三倍標準差以外的數(shù)值
• 分類變量

步驟三：相關性分析

• 探索所有自變量與因變量的相關性，得出相關系數(shù)，并畫出散點圖

步驟四：分割測試集訓練集

• 20%的數(shù)據(jù)作為測試集
• 80%的數(shù)據(jù)作為訓練集

步驟五：回歸

• F檢驗
• T檢驗
• R^2：一元線性回歸，看R^2：多元線性回歸，看調整R^2

步驟六：模型調優(yōu)

1. 殘差服從正態(tài)分布

• 含義：殘差服從正態(tài)分布
• 檢驗方法

（1）SW (n<5000)：原假設：H0：殘差是正態(tài)分布

（2） KS (n>5000)：原假設：H0：殘差是正態(tài)分布

• 解決措施(若殘差不符合正態(tài)分布)

（1）對y取自然對數(shù) ln

（2）Box-cox變換：---缺點：把不屬于正態(tài)分布扭成正態(tài)分布，可能會導致數(shù)據(jù)失真

2.殘差具有同方差性

• 含義：如果殘差有喇叭狀或非線性波懂歸類等，則明顯具有異方差性
• 檢驗方法

（1）BP檢驗：任何時候都可以用；原假設：殘差是同方差

（2）WHITE檢驗：精確度高，會用掉大量自由度，一般樣本量大的時候可以用；原假設：殘差是同方差

• 解決措施(若殘差具有異方差性)

（1）對y取自然對數(shù) ln

（2）加權最小二乘

3.內生性

• 含義

（1）殘差的條件均值為0：cov(u,x)=0

（2）內生性：自變量和殘差相關，遺漏重要變量

• 檢驗方法：

（1）Hanseman

• 解決措施(若殘差具有內生性)：工具變量
• 備注：在實際工作中，內生性問題可以先暫時忽略，如果要用到，可以利用上面的檢驗方法和解決措施

4.自變量X具有線性相關性

• 含義：自變量不存在完全共線性
• 檢驗方法：VIF
• 解決措施(若VIF普遍偏高)：

（1）主成分分析---缺點：會改變變量的屬性

（2）嶺回歸/lasso---缺點：無法保證無偏性

5.序列相關性

• 含義

（1）殘差無序列相關

（2）數(shù)學描述：lim cov(t,t-h)=lim f(h)=0 [h-->正無窮]

• 檢驗：時間序列分析

步驟七：繼續(xù)調項

步驟八：逐步回歸、交叉驗證

步驟九：模型測試