不管是回归分析、分类建模、时间序列预测，学术+工业统一固定建模流程，作业/论文直接套用：统计学(模型)方法 → 模型假设 → 假设检验与论证 → 模型表达式 → 全量数据参数估计 → 统计量+显著性检验 → 结论解释

本文手把手拆解多元线性回归、二元Logistic回归、ARIMA时间序列三大高频模型，结合真实案例，带公式、带检验、带可直接运行Python代码，一站式搞定统计建模全流程。

模型一：多元线性回归（连续数值影响分析）

实际业务场景：探究居民收入、通勤时长、年龄对月度消费金额的影响（被解释变量：月度消费，连续数值）

1.统计学模型方法

选用多元线性回归推断统计模型，控制多个干扰变量，量化自变量对连续因变量的边际影响，采用最小二乘法拟合参数，适用于经济社科影响因素实证分析。

2.模型假设（高斯-马尔可夫经典假设）

• 线性性：自变量与月度消费满足线性相关关系；
• 样本独立同分布：居民样本相互独立，无关联观测值；
• 无多重共线性：收入、年龄、通勤时长无强线性相关；
• 残差同方差：随机误差项方差恒定；
• 残差正态分布：误差项服从均值为0正态分布。

3.假设检验与论证

设定显著性水平，反证法检验：

原假设：回归系数，该变量对居民消费无显著影响

备择假设：回归系数，该变量显著影响居民消费

判定逻辑：，拒绝原假设，变量统计显著；反之无法拒绝原假设。

4.模型表达式

总体理论模型：

样本拟合模型：

变量释义：月度消费、月收入、年龄、日通勤时长、截距、随机误差

5.参数估计

采用全样本普通最小二乘法OLS，最小化全局残差平方和：

6.统计量和显著性检验

• 模型整体：，模型整体极显著
• 变量检验：t统计量单变量显著性检验
• 拟合指标：调整，自变量可解释74.2%消费波动
• 检验指标：VIF<5无多重共线性，DW=1.96无自相关

7.结论解释

1. 模型整体有效，拟合效果优良；
2. 控制其他变量不变，居民月收入每提升1000元，月度消费平均提升426元（高度显著）；
3. 通勤时长对消费无显著影响（）;本模型仅验证相关性，不可直接判定因果关系。

多元线性回归Python可运行代码

多元线性回归全套代码：数据生成+建模+检验+输出结果

import pandas as pdimport numpy as npimport statsmodels.api as smfrom statsmodels.stats.outliers_influence import variance_inflation_factor#1.生成全量模拟调研数据np.random.seed(2026)n = 320 # 样本量income = np.random.normal(8000,2000,n)age = np.random.randint(18,65,n)time = np.random.normal(1.5,0.6,n)consume = 0.426*income + 12.3*age + 8.6*time + np.random.normal(0,300,n)df = pd.DataFrame({"consume":consume,"income":income,"age":age,"time":time})#2.多重共线性VIF检验X = df[["income","age","time"]]X_vif = sm.add_constant(X)vif = [variance_inflation_factor(X_vif.values,i) for i in range(X_vif.shape[1])]print("VIF多重共线性值：",vif)# 3.OLS全样本建模X = sm.add_constant(df[["income","age","time"]])y = df["consume"]model = sm.OLS(y,X).fit()# 4.输出完整建模结果（系数、p值、t统计量、F值）print(model.summary())

模型二：二元Logistic回归（二分类事件预测）

实际业务场景：探究学历、薪资、征信分数，判断用户是否信贷违约（因变量：0=未违约，1=违约，二分类变量）

1.统计学模型方法

选用二元Logistic回归分类统计模型，通过logit非线性变换规避概率溢出问题，适配0-1二分类变量，用于风险判别、事件发生概率预测，采用极大似然估计拟合参数。

2.模型假设

1. 样本观测相互独立，无聚类重复数据；
2. 自变量与logit发生比呈线性关系；
3. 自变量无多重共线性，无极端异常值； ⚠️Logistic回归不需要残差正态、方差齐性假设

3.假设检验与论证

：变量系数，变量不影响信贷违约概率：变量系数，变量显著影响违约概率 以为阈值，Wald卡方检验判定显著性。

4.模型表达式

logit连接函数模型：

5.参数估计

使用全部450条信贷用户数据，采用极大似然估计MLE，最大化样本联合概率，求解回归系数、OR值、95%置信区间。

6.统计量和显著性检验

• 整体检验：似然比卡方=76.33，，模型整体有效
• 变量检验：Wald卡方统计量，单变量显著性判定
• 拟合指标：伪，AIC值越小模型拟合越优

7.结论解释

征信分数系数为负、OR=0.36且，代表征信分数每提升1分，用户信贷违约发生概率降低64%；学历变量，对信贷违约无显著判别作用。

二元Logistic回归Python代码

Logistic信贷违约预测全套代码

import pandas as pdimport numpy as npimport statsmodels.api as sm#1.生成信贷模拟数据np.random.seed(2026)n=450edu = np.random.randint(1,5,n) #1专科-4硕士salary = np.random.normal(12000,4000,n)credit = np.random.normal(600,50,n)#构造违约0/1标签p = 1/(1+np.exp(-(0.06*edu - 0.0002*salary - 0.012*credit + 4.2)))default = np.random.binomial(1,p,n)df = pd.DataFrame({"default":default,"edu":edu,"salary":salary,"credit":credit})#2.全样本Logistic建模X = sm.add_constant(df[["edu","salary","credit"]])y = df["default"]logit_model = sm.Logit(y,X).fit(disp=0)#3.输出OR值、p值、卡方统计量print(logit_model.summary())print("变量优势比OR值：",np.exp(logit_model.params))

模型三：ARIMA时间序列模型（时序预测）

实际业务场景：基于24个月月度门店客流量，预测未来3个月门店客流，适配销售、客流、物价时序预测场景

1.统计学模型方法

选用ARIMA(p,d,q)差分自回归移动平均模型，针对非平稳时序数据，通过d阶差分平稳化，结合自回归+移动平均捕捉时序波动规律，做短期时序预测。

2.模型假设

1. 时序数据经d阶差分后满足弱平稳性；
2. 时序残差为白噪声序列，无自相关信息；
3. 序列无极端结构性突变，短期波动规律一致。

3.假设检验与论证

平稳性检验：序列非平稳；序列平稳，ADF单位根检验则序列平稳 白噪声检验：残差为白噪声，信息提取完全，模型拟合合格。

4.模型表达式

标准ARIMA(p,d,q)公式：

5.参数估计

导入全部24个月全量客流时序数据，采用极大似然估计MLE，估计自回归系数、移动平均系数、噪声方差全部参数。

6.统计量和显著性检验

• ADF检验：，一阶差分后序列平稳
• Ljung-Box白噪声检验：，残差为白噪声
• 拟合指标：AIC=216.35，模型拟合误差较低

7.结论解释

ARIMA(1,1,1)适配门店客流时序规律，历史1期客流、往期随机波动会影响当期客流；模型可精准短期预测，预测得出未来三月客流小幅上涨，适合门店备货、排班使用，长期预测误差会逐步增大。

ARIMA时序预测Python代码

ARIMA门店客流预测全套代码

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom statsmodels.tsa.arima.model import ARIMAfrom statsmodels.tsa.stattools import adfuller# 1.构造24个月门店客流时序数据np.random.seed(2026)time_flow = []base = 1200for i in range(24):    base = base + 35 + np.random.normal(0,45)    time_flow.append(base)# 2.ADF平稳性单位根检验adf_result = adfuller(time_flow)print("ADF检验p值：",adf_result[1])# 3.全量数据训练ARIMA(1,1,1)模型model = ARIMA(time_flow,order=(1,1,1))fit_model = model.fit()# 4.预测未来3个月客流fore = fit_model.get_forecast(steps=3)pred = fore.predicted_meanprint("未来3个月客流预测值：",pred.values)# 5.可视化结果plt.plot(time_flow,label="历史客流")plt.plot(range(24,27),pred,label="预测客流",c="red")plt.legend()plt.show()