回归分析
Regression analysis
学到 会用 就够：能亲手用起来
你可能会说
“我想分析教育年限和工资的关系，回归表里的系数能直接说成教育的作用吗？”
回归分析用一套明确的计算规则，描述一个结果怎样随其他因素一起变化。它能帮助比较关系和作预测，但系数是否能解释为因果，还要看研究设计。
使用 AI
科研里的例子
假设教育学研究把学生成绩与课外学习时间放进回归，先报告二者在给定条件下的关系，而不直接把系数写成多学习一小时的因果效果。
开始之前要说清结果变量、解释因素、研究人群和比较单位，再选择适合数据的模型。在线性回归中，一个系数通常表示在模型规定的其他条件相同时，某个因素变化对应的结果差异；单位、类别的参照组和变量变换会改变它的解释。模型还要交代使用哪些记录、怎样处理缺失，以及如何计算不确定性。加入许多控制因素不保证排除了所有其他解释，控制了不合适的变量还可能引入问题。回归可以是描述或预测工具；若要据它回答某个干预造成什么变化，必须另说明可信比较从哪里来。
在你的学科里，直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
把回归结果准确写成中英文
根据所给[回归表、模型说明和变量编码]，为[读者]写[字数]左右的中文结果说明，再给意义相同的英文版本。逐项说明估计对象、系数方向和量级、单位、置信区间或标准误，以及样本范围；仅在模型与编码允许时把系数换成百分比或原单位。将统计显著性与经济意义分开，说明基期与政策成本是否足以比较。因果措辞须与[识别设计]一致：若只有条件关联，就使用关联表述。另附数字与原表位置对照表，缺失信息列为待补，未显著结果不写成证明无效。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PE05
判断
亲手检查一次
选一个系数，写出结果与解释变量的单位、比较对象、控制条件，以及当前设计允许作出的最强结论。
它做不到的
拟合得好、系数显著或控制因素很多，都不等于因果成立。回归预测也不等于估计改变某项政策的效果。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- NIST/SEMATECH e-Handbook — Linear Least Squares Regression2026-11-07 核对
- Scott Cunningham — Causal Inference: The Remix, Unconfoundedness2026-11-07 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。