lasso回归筛选出的变量必须再进行ols回归吗?

如果只想得到各个自变量对因变量的影响程度的大小,不进行预测,可以直接使用lasso回归估计的参数吗?

如果只是想得到各个自变量对因变量的影响程度的大小,并且不需要进行预测,那么使用lasso回归估计的参数是可以的。因为lasso回归可以通过惩罚项将某些系数变为0,从而完成变量筛选的过程。但需要注意的是,如果需要进行预测,那么建议再进行一次OLS回归,因为lasso回归估计的系数通常会存在偏差。此外,还需要对模型进行交叉验证等模型选择技术来保证模型的鲁棒性和稳定性。

  • 文章:LASSO回归,概念与实现(转) 中也许有你想要的答案,请看下吧
  • 除此之外, 这篇博客: Lasso回归和岭回归中的 (1)OLS原理 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  • OLS又称古典回归模型,它的使用需要满足四个假定。

    1. 线性假定在这里插入图片描述
    2. 严格外生性:这个条件保证了估计出来的回归系数无偏并且一致在这里插入图片描述
    3. 无完全多重共线性:保证OLS能够估计出系数,列满秩可以保证两个互相转秩的矩阵相乘一定可逆。在这里插入图片描述
    4. 球形扰动:满足“同方差”和”无自相关“两个条件在这里插入图片描述
    5. OLS的推导在这里插入图片描述
      在这里插入图片描述
      细节
      在这里插入图片描述