欢迎来到多元回归的世界！

在之前的学习中，我们探讨了简单线性回归 (Simple Linear Regression, SLR)，利用一个变量（例如市场收益率）来预测另一个变量（例如股票收益率）。但说实话，现实世界往往没那么简单！一档股票的价格不仅受市场影响，还同时受利率、油价及公司获利等多重因素影响。

在本章中，我们将踏入现实世界，学习多元线性回归 (Multiple Linear Regression, MLR)。这让我们能利用多个解释变量来解释单一因变量。如果起初觉得数学有点复杂，请别担心；我们会把它拆解成小部分来学习。读完这些笔记后，你会发现它其实只是你所学知识的延伸！

1. 多元回归模型

在多元回归中，我们试图在多维数据点组成的“云状分布”中找到一条“最佳拟合”线。其数学公式如下：

\( Y_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + ... + \beta_k X_{ki} + \epsilon_i \)

其中：
- \( Y_i \)：因变量（我们想预测的对象）。
- \( \beta_0 \)：截距项（若所有 \(X\) 均为零时，\(Y\) 的数值）。
- \( \beta_1, \beta_2... \)：偏回归系数 (Partial regression coefficients)。
- \( X_1, X_2... \)：自变量（解释变量）。
- \( \epsilon_i \)：误差项（其他影响 \(Y\) 但未纳入模型的因素）。

理解“偏”效应

对于 FRM 考试，最重要的一点是如何解读这些系数。我们使用“其他条件不变”(ceteris paribus) 这一概念。

范例：假设我们根据房屋面积 (\(X_1\)) 和卧室数量 (\(X_2\)) 来预测房价 (\(Y\))。如果 \(\beta_1 = 150\)，这意味着在保持卧室数量不变的前提下，房屋面积每增加 1 个单位，房价将增加 150 美元。

快速复习：在多元回归中，每个系数都告诉我们在保持模型中所有其他变量不变的情况下，该特定变量的影响。

2. 拟合优度：\(R^2\) 与调整后 \(R^2\)

在简单回归中，我们使用 \(R^2\) 来观察模型对数据的解释程度。但在多元回归中，标准 \(R^2\) 存在一个“陷阱”。

问题所在：每当你在模型中增加一个新变量时——即使它完全没用（例如用“天空中的鸟类数量”来预测“股票价格”）——\(R^2\) 永远会保持不变或上升。它绝对不会下降！

解决方案：调整后 \(R^2\) (Adjusted \(R^2\))

为了修正这个问题，我们使用调整后 \(R^2\)（记作 \(\bar{R}^2\)）。这个版本会针对那些无法有效解释因变量的变量进行“惩罚”。这有助于我们判断增加一个新变量是否真的值得。

\( \bar{R}^2 = 1 - \frac{(1-R^2)(n-1)}{n-k-1} \)

其中：
- \( n \) = 样本数
- \( k \) = 自变量个数

你知道吗？由于增加了对变量个数的惩罚机制，调整后 \(R^2\) 永远会小于或等于标准 \(R^2\)。如果在考试题目中看到调整后 \(R^2 > R^2\)，那肯定是一个陷阱题！

关键结论：使用 \(R^2\) 来查看被解释的变异量，但在比较不同变量个数的模型时，请务必使用调整后 \(R^2\)。

3. 假设检验：T 检验与 F 检验

建立模型后，我们需要知道这些变量是否真的重要。我们主要使用两种类型的检验：

T 检验（个别显著性）

我们使用 T 检验来检查单一变量是否具备统计显著性。
零假设 (\(H_0\))： \(\beta_i = 0\)（该变量无影响）。
公式： \( t = \frac{\text{估计系数} - \text{假设值}}{\text{系数标准误}} \)

F 检验（联合显著性）

F 检验用于检查所有解释变量作为一个整体是否具有预测力。它检验的是至少有一个 \(\beta\) 系数不为零。
零假设 (\(H_0\))： \(\beta_1 = \beta_2 = ... = \beta_k = 0\)。
类比：如果 T 检验像是检查球队中某位球员的个人能力，那么 F 检验就像是检查整支球队是否有赢球的能力。

常见错误：学生常误以为若所有个别 T 检验都失败，F 检验也一定会失败。事实并非如此！有时变量在一起工作时的效果比单独存在时更好。

4. 陷阱：遗漏变量偏差与多重共线性

多元回归功能强大，但 FRM 考试中必须辨识两大“死敌”。

死敌一：遗漏变量偏差 (Omitted Variable Bias, OVB)

当你遗漏了一个既重要（会影响 \(Y\)）又与模型中现有变量高度相关的变量时，就会发生这种情况。

结果：你的估计系数将会是有偏差的 (biased) 且不一致的 (inconsistent)。模型会把遗漏变量的功劳（或责任）“归咎”到你纳入的变量上。

死敌二：多重共线性 (Multicollinearity)

当两个或多个“自变量”之间高度相关时就会发生。例如，如果你试图用“左腿长度”和“右腿长度”来预测一个人的身高。

如何察觉：
1. \(R^2\) 非常高，且 F 检验显著。
2. 但是，个别 T 检验并不显著（单看这些变量似乎没用）。
3. 系数的标准误非常大。

类比：想象两个人同时大喊相同的讯息。你知道讯息正在传递（高 \(R^2\)），但你无法分辨是谁在传递哪部分的讯息（低 T 统计量）。

快速复习：OVB 让你的结果错误（偏差）；多重共线性则让你的结果不可靠（高方差/高标准误）。

5. 多元回归模型的假设

为了使我们的 OLS（普通最小二乘法）估计量成为“最佳线性无偏估计量”(BLUE)，必须满足某些假设。这些是延伸至多元回归的高斯-马尔可夫假设 (Gauss-Markov Assumptions)：

1. 线性：变量间的关系是线性的。
2. 随机抽样：数据为具代表性的样本。
3. 无完全共线性：没有任何自变量是其他变量的完全线性组合。
4. 零条件期望：给定 \(X\) 时，误差项的期望值为零。\(E(\epsilon | X) = 0\)。（这是关于偏差最重要的一点！）
5. 同方差性 (Homoskedasticity)：误差项的方差在所有观察值中保持恒定。

总结重点：
- 系数：解读时记得“保持其他变量不变”。
- 调整后 \(R^2\)：用于比较模型；它会惩罚模型的复杂度。
- F 检验：检验整体模型；T 检验检验单一变量。
- 多重共线性：\(X\) 变量间高度相关会导致标准误过大、T 统计量过低。
- OVB：当遗漏了相关变量时发生，导致估计值出现偏差。