多重线性回归模型的最终建立不仅仅拟合个方程就完事了，还需要进行适用条件的考察、模型的诊断以及改进模型的再评估等。
(1)拟合多重线性回归模型；
(2)适用条件考察：线性、独立性、正态性、同方差性；
(3)模型诊断：强影响点、离群值、杠杆值、多重共线等；
(4)模型改进与再评估。
由于篇幅较长，我们分几次笔记来介绍这些实现这些步骤的方法。此次笔记初步建立多重线性回归模型并对结果进行解读。
示例
原案例是来示例二分类的logistic回归的。
1989年Hosmer和Lemeshow研究了低出生体重婴儿的影响因素的数据，结局变量为是否分娩低出生体重儿(变量名low，0：低出生体重，即婴儿出生体重<2500克；1：正常)，同时给出了每个新生儿的具体体重(bwt，g)，考虑的影响(自变量)有：产妇妊娠前体重(lwt，磅)、产妇年龄(age，岁)、产妇在妊娠期间是否吸烟(smoke，0=未吸、1=吸烟)、本次妊娠前早产次数(ptl，次)、是否患有高血压(ht，0=否、1=是)、子宫对按摩、催产素等刺激引起收缩的应激性(ui，0=无、1=有)、妊娠
今天的文章多重线性回归模型的用途_r语言多元线性回归模型「建议收藏」分享到此就结束了，感谢您的阅读。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/82274.html
