我最近刚毕业，想复习一些统计主题以准备面试。我想知道是否有一本好书或其他资源来审查线性回归。例如，我想回顾一下 OLS 的所有假设，以及如果假设在实践中不成立该怎么办。
示例：假设残差的预期均值不为零，可能是什么问题？你会如何解决它？
我想再次阅读所有这些东西，但真的不知道最有效的方法是什么。有没有人知道一个文件或一本易于阅读的书来审查所有这些东西？
回顾线性回归
机器算法验证
回归
参考
最小二乘
线性模型
假设
2022-03-22 05:44:16
4个回答
这是一部综合经典：
Cohen, J.、Cohen, P.、West, SG 和 Aiken, LS (2003)。行为科学应用多元回归/相关分析（第 3 版）。
我不确定这是否能满足您的需求，但我可以推荐的“进入”回归建模的最佳书籍是
Andrew Gelman 和 Jennifer Hill使用回归和多级/分层模型进行数据分析
加深对回归模型的理解并学习如何应用它们非常棒。它可能不会深入到面试中可能出现的技术细节，但我绝对会推荐它作为第一次阅读，然后再进入更多的技术文本。
An Introduction to Statistical Learning对简单和多元线性回归进行了出色的回顾，其中有大约 60 页专门讨论了这些主题。
我喜欢WN Venables的线性模型注释，虽然很老，但我仍然觉得它具有挑衅性。