教程 · 2026-05-26

线性回归模型怎么看？从相关分析到系数、残差与共线性

线性回归模型中文教程：区分相关与回归，按变量编码、线性、残差、共线性、整体模型、系数和置信区间的顺序阅读结果，并给出论文报告框架。

线性回归不只是查看“哪个变量 p < .05”。一份可复核的结果至少要说明变量如何编码、关系是否近似线性、残差与方差结构是否合理、共线性是否影响精度，以及系数和置信区间支持多强的结论。

本文从相关分析与回归分析的区别开始，给出一条固定阅读路径。它适用于常见的横断面多元线性回归；时间序列、面板、重复测量或因果识别问题需要匹配的模型，不能直接套用。

回归分析和相关分析有什么区别

问题	相关分析	线性回归
主要目标	描述两个变量共同变化的方向与强度	估计因变量与一个或多个预测变量的条件关系
方向性	Pearson 相关对 X、Y 对称	明确指定因变量与预测变量
控制其他变量	简单相关不控制；偏相关可控制指定变量	多元回归在模型内同时调整其他变量
典型输出	r、区间、p 值	B/β、SE、区间、整体 F、R²
因果结论	不能由相关本身推出	也不能由普通观察性回归本身推出

相关矩阵适合做变量关系的初步描述，但不能替代回归诊断；回归系数也不等于相关系数。多元回归中的系数是在其他入模变量保持不变时的条件关联，解释依赖模型设定。

线性回归模型怎么看：六步阅读路径

先核对变量编码：确认因变量、自变量、分类变量参照组、反向题、缺失码和分析样本。编码或样本口径错了，后续数字没有解释价值。
再检查线性：结合研究机制、散点图和部分残差图判断连续预测变量与结局的函数形式。明显非线性时，应使用有依据的变换、样条或其他模型，而不是只看一个相关系数。
查看残差：检查残差与拟合值图、异常点、影响点和可能的相关结构。同方差、独立性等问题要与数据收集方式一起判断；正态性主要关系小样本下的推断，不是要求原始变量都正态。
评估共线性：结合 VIF、容忍度、条件指标和变量含义判断。共线性通常扩大标准误并使单个系数不稳定，但不能仅凭固定阈值机械删除理论变量。
阅读系数和区间：先看整体模型，再看 B 或 β 的方向、量级、SE、精确 p 值和 95% CI。宽区间表示估计不精确；标准化系数便于同一模型内比较，但不自动代表实际重要性。
最后如实报告：同时呈现样本、模型设定、整体 F、R²/adjusted R²、系数、区间和限制。显著与不显著结果都保留，不以反复换模型追逐 p 值。

这条路径的重点是先判断模型是否回答了研究问题，再解释统计结果，而不是从表格里挑最显著的一行。

第一步：把研究问题写成模型

以学业成绩为因变量，学习时长、睡眠和焦虑为预测变量，性别与年级为控制变量，可写成：

GPA = b0 + b1×学习时长 + b2×睡眠 + b3×焦虑 + b4×性别 + 年级虚拟变量 + 误差

模型公式只是统计关系。若数据来自横断面问卷，通常应使用“相关”“预测”或“在控制……后与……相关”，不能因为系数显著就写成“导致”。

数据字典至少包含

每个变量的定义、单位和允许范围；
分类变量的编码与参照组；
缺失值、异常值和排除规则；
分析样本与原始样本的差异；
控制变量、交互项和非线性项的理论理由。

第二步：先做描述与图形检查

连续变量报告均值、标准差，并在偏态明显时补充分位数或中位数；分类变量报告频数与百分比。散点图有助于发现非线性、离群点和取值范围受限。

Pearson 相关适合近似线性关系且变量尺度合理的情形。Spearman 相关基于秩，更适合单调但非线性的关系、明显异常值影响或有序数据。选择方法应依据数据结构，不是依据哪一种 p 值更小。

第三步：读整体模型

整体 F 检验比较当前模型与仅含截距的模型，回答这一组预测变量是否共同提供解释信息。R² 表示样本中由模型解释的方差比例，adjusted R² 对预测变量数量作调整。

需要注意：

高 R² 不等于因果识别正确，也不保证样本外预测好；
低 R² 不自动否定一个系数在理论或实际上的意义；
加入变量通常不会降低普通 R²，因此应结合 adjusted R²、验证结果与研究目的；
整体 F 显著不代表每个预测变量都显著，反之亦然。

第四步：读单个系数

指标	解释
B	其他入模变量不变时，X 增加一个原始单位对应 Y 的平均变化
β	标准化后的条件系数，适合辅助比较同一模型内不同量纲变量
SE	系数估计的不确定性
95% CI	数据与模型下合理效应范围的表达
p	在零假设与模型假设成立时，观察到当前或更极端统计量的概率

不要把 p 值解释成“结论为真的概率”，也不要只报告星号。点估计与区间通常比“显著/不显著”二分更有信息。

结果报告示例

多元线性回归模型整体达到统计显著，F(5, 294) =〔填写〕，p =〔填写〕，R² =〔填写〕，adjusted R² =〔填写〕。在控制性别与年级后，学习时长与 GPA 呈正向关联，B =〔填写〕，SE =〔填写〕，95% CI〔填写〕，p =〔填写〕。该结果描述条件关联，不被解释为因果效应。

第五步：诊断不是“全部通过”打勾

模型诊断要回答具体风险：

残差图是否显示非线性或异方差；
是否存在对系数影响很大的观测；
数据是否有班级、学校、个体重复测量等相关结构；
共线性是否使关键系数不稳定；
模型是否遗漏了有理论依据的非线性或交互；
稳健标准误、重抽样或替代模型是否与问题匹配。

单个检验 p > .05 不能证明假设“已经成立”，也不存在适用于所有数据的“诊断全部通过”按钮。诊断结果应和图形、设计与敏感性分析共同报告。

可复用的回归分析请求

把研究问题、数据字典和需要的输出写清楚，例如：

以 GPA 为因变量，学习时长、睡眠和焦虑为预测变量，控制性别和年级。请先核对变量编码与缺失，再给出描述统计、相关矩阵、多元线性回归系数与 95% CI、整体 F、R²/adjusted R²，并检查线性、残差、影响点和共线性。任何模型调整都先说明依据，不自动删除观测或变量。

可进入 ChatSRS 按六步路径整理线性回归。生成结果后仍要对照数据字典和原始输出复核，研究者负责模型设定、异常处理与最终表述。

常见问题

Q1：线性回归要求所有变量都正态吗？

不要求。常规推断关注的是误差结构等模型条件，而不是每个原始变量都服从正态。样本量、异常点和估计方法也会影响判断。

Q2：VIF 超过某个数就必须删变量吗？

不是。阈值只是提示，应结合变量含义、相关结构、系数稳定性和研究目标。若变量是预先确定的重要混杂因素，机械删除可能引入更大偏倚。

Q3：回归不显著还能继续分析吗？

可以做有依据的模型检查和预设稳健性分析，但不能为了显著反复更换样本、结局或控制变量。应报告点估计、区间和精度限制。

Q4：相关显著但回归不显著，哪个结论对？

两者回答的问题不同。简单相关不控制其他变量，多元回归系数是在给定模型中的条件关系。应检查共线性、变量编码、样本和模型设定，而不是挑更显著的结果。