lasso回归

LASSO 回归也叫套索回归，是通过生成一个惩罚函数是回归模型中的变量系数进行压缩，达到防止过度拟合，解决严重共线性的问题，LASSO 回归最先由英国人Robert Tibshirani提出，目前在预测模型中应用非常广泛。在新格兰文献中，有大牛提出，对于变量过多而且变量数较少的模型拟合，首先要考虑使用LASSO 惩罚函数。

变量过多会导致多重共线性问题造成回归系数不显著，甚至导致ols估计失效。

image-20240128130519231

Lasso回归的原理

image-20240128132142605

使用lasso回归分析

image-20240128132556845

image-20240128132542976

image-20240128132709587

什么时候使用lasso回归

image-20240128132838334

代码学习与实现：

Stata：拉索开心读懂-Lasso入门 (lianxh.cn)