第八章回归，8.3.1 OSL回归统计假设里的线性：若因变量与自变量线性相关，那么残差值与预测（拟合）值就没有任何系统关联。
自己的理解：由残差平方和最小得到回归系数，由回归系数得到预测值，这里的因果关系不是很明白。
自己的理解：由残差平方和最小得到回归系数，由回归系数得到预测值，这里的因果关系不是很明白。
《R语言实战》里一句话不太明白，求助
我试着解释一下：
简单线性回归顾名思义，就是解决因变量和自变量的线性关系的。如果因变量和自变量确实存在线性关系，那么残差值（就是自变量不能解释的部分）就纯粹是由随机因素造成的。试想，一堆随机值怎么会和自变量有线性关系呢？如果还存在线性关系，那只能说明这个线性模型不合适，也就是说残差值还包含着自变量能够解释的部分。
简单线性回归顾名思义，就是解决因变量和自变量的线性关系的。如果因变量和自变量确实存在线性关系，那么残差值（就是自变量不能解释的部分）就纯粹是由随机因素造成的。试想，一堆随机值怎么会和自变量有线性关系呢？如果还存在线性关系，那只能说明这个线性模型不合适，也就是说残差值还包含着自变量能够解释的部分。
1 个月 后
[未知用户]
抱歉，这么长时间没回。英文版书的另外一句话说：
In other words, the model should capture all
the systematic variance present in the data, leaving nothing but random noise。
按你所说，如何解释这句话。systematic variance 是系统方差，还是系统误差。
抱歉，这么长时间没回。英文版书的另外一句话说：
In other words, the model should capture all
the systematic variance present in the data, leaving nothing but random noise。
按你所说，如何解释这句话。systematic variance 是系统方差，还是系统误差。
我觉得楼上解释的有道理，systematic variance在这里表示系统变异，就是所建立的模型能解释所有变异中的系统变异，只剩下随机变异
我尝试回答一下：
最OSL中，若线性的假设成立，则你不会看见残差与预测值（或者解析变量值）之间有明显的pattern, 而只会看见残差呈现没有什么规律的（随机）波动。这可以从假设的回归模型看出来:
当中是iid的，也就是不应该跟或者有任何关系。
最OSL中，若线性的假设成立，则你不会看见残差与预测值（或者解析变量值）之间有明显的pattern, 而只会看见残差呈现没有什么规律的（随机）波动。这可以从假设的回归模型看出来:
当中是iid的，也就是不应该跟或者有任何关系。
[未知用户]
最近也看到这句话，当时没想明白，现在感觉一下子清楚了~
最近也看到这句话，当时没想明白，现在感觉一下子清楚了~