Jenny2021-03-10 12:07:30

同学你好，
1. 这个是偏差与方差的权衡。我们将回归模型的平均预测值和预测正确值之间的差异定义为偏差。将模型之间的多个拟合预测之间的偏离程度定义为
方差。我们总是希望试图用有限训练样本去估计无限的真实数据。
当回归模型的自变量个数比较少而过于简单时，回归模型容易发生欠拟合，表现在解释力度低，方差小，但是偏差大；
当回归模型的自变量个数比较多而模型过于复杂时，回归模型容易发生过拟合，表现在解释力度高，偏差小，但是方差大。

2. 这个要回到OLS系数估计量best的性质上，best可以这么理解，在回归过程中，经过无数次模拟，找到所有线性无偏系数估计量中方差最小的那组系数估计量，这组估计量就符合best的性质。但是因为异方差的存在，残差项的方差是一直在变化的，所以总体方差也是在变动的，就很难确定最小方差，从而给得出系数估计量造成困难，所以系数的误差，也就是SE，是增加的，因为系数的估计量可能更不准了（误差扩大）。大致了解原理即可，原版书对此也没有更多的展开了。