21.4
回归模型的解释与预测
评估模型适用范围并谨慎作出预测。
本文章目录
01 · 出发点
预测必须尊重数据范围和不确定性
回归方程能够把给定 x 转化为 y 的预测值，但模型只是在样本趋势上的近似。预测误差来自随机波动、未纳入变量和模型形式偏差。
在样本 x 范围内插值通常较稳健，超出范围外推则假设原趋势继续成立，风险显著增加。预测报告必须同时说明范围、误差和条件。
02 · 概念
拟合、解释与预测边界
残差 e_i=y_i-ŷ_i。残差图若在 0 附近随机分布，线性模型较合理；若出现弯曲、漏斗或分组形态，说明线性、等波动等假设可能不合适。
决定系数等指标可以描述模型对样本变异的解释程度，但高拟合度不保证因果、未来稳定或个体预测准确。模型评价应结合情境与新数据验证。
03 · 方法
作出有边界的回归预测
- 01
确认目标 x 是否位于样本范围内，并检查模型背景是否保持一致。
- 02
代入回归方程得到点预测，同时查看残差规模或可用区间。
- 03
用清楚语言说明预测对象、条件、适用范围和主要不确定来源。
04 · 例题
把方法落到具体问题
某模型 ŷ=50+3x 由 x 在 2 到 10 的样本拟合。分别预测 x=8 与 x=20 时的 y，并评价可靠性。
解
- 1
代入 x=8 得 ŷ=50+24=74；8 位于样本范围内，属于插值。
- 2
代入 x=20 得 ŷ=50+60=110；20 超出样本最大值 10，属于外推。
- 3
外推值 110 只有在 10 以后线性关系仍成立时才有意义，需要额外数据验证。
05 · 辨析
容易忽略的条件与边界
回看
本节小结
- 残差结构用于检查模型是否遗漏系统性规律。
- 插值与外推的证据强度不同。
- 可靠预测必须同时报告条件、范围和不确定性。