前言

多重線性回歸模型的最終建立不僅僅擬合個方程就完事了，還需要進行適用條件的考察、模型的診斷以及改進模型的再評估等。

（1）擬合多重線性回歸模型；

（2）適用條件考察：線性、獨立性、正態性、同方差性；

（3）模型診斷：強影響點、離群值、杠桿值、多重共線等；

（4）模型改進與再評估。

 

 

示例

原案例是來示例二分類的logistic回歸的。

1989年Hosmer和Lemeshow研究了低出生體重嬰兒的影響因素的數據，結局變量為是否分娩低出生體重兒(變量名low，0：低出生體重，即嬰兒出生體重<2500克；1：正常)，同時給出了每個新生兒的具體體重(bwt，g)，考慮的影響(自變量)有：產婦妊娠前體重(lwt，磅)、產婦年齡(age，歲)、產婦在妊娠期間是否吸煙(smoke，0=未吸、1=吸煙)、本次妊娠前早產次數(ptl，次)、是否患有高血壓(ht，0=否、1=是)、子宮對按摩、催產素等刺激引起收縮的應激性(ui，0=無、1=有)、妊娠前三個月社區醫生隨訪次數(ftv，次)、種族(race，1=白人、2=黑人、3=其他民族)。

示例來源：SPSS統計分析高級教程/張文彤，董偉主編.—2版.—北京:高等教育出版社,2013.3.

我們選取其中的變量以體重(g)為響應變量示例多重線性回歸。這個示例自變量大部分是分類變量，其實可以考慮將體重轉換成二分類變量進行二分類的log

總結

以上是生活随笔為你收集整理的R语言实战应用精讲50篇（五）-多重线性回归系列之模型拟合的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。