预测模型
Lasso回归
在标准化自变量上加 L1 惩罚，让贡献弱或高度重叠的系数直接变成 0，用交叉验证挑惩罚强度，留下一套更短的预测特征。
这篇能回答什么
Lasso（Least Absolute Shrinkage and Selection Operator）回答的是：「在一堆定量特征里，哪些值得留在线性预测式里，哪些可以整段关掉」。它最小化残差平方和的同时，对系数绝对值之和抽税；税重 α 大到一定程度，路径上的系数会碰到零并停在零。与逐步回归的硬进硬出不同，Lasso 是连续收缩，并在交叉验证下选 α。
适合：住房特征、生化指标、问卷条目等定量 X 较多或互相重叠、目标是预测或先筛变量的场景。本教学表用面积(平米)、楼层、总楼层、建筑年份预测总价(万元)。因变量必须定量；自变量至少 2 个、至多 100 个，且须为定量（定类请先哑元化再进入）。
如何选择方法
把「要不要把系数打成确切的零」当作分水岭。要稀疏解、接受交叉验证选变量 → Lasso。共线严重但每个特征都有故事、不能消失 → 岭。名单已由假说写死 → OLS。探索阶段只想一条短方程、并能忍受路径依赖 → 逐步。Lasso 的 p 值默认不输出：惩罚破坏了普通 t 检验的抽样分布。
Lasso：L1，CV 选 α，可把系数收到 0；输出标准化系数、R²、MSE、1-SE α。
岭回归：L2，只收缩不删除；同表上楼层等仍会留下非零系数。
逐步回归：偏 F / AIC 离散搜索，名义 p 值偏乐观。
OLS：无惩罚，给 B、Beta、VIF 与 F。
输入、输出与限制
输入
因变量 1 个定量列。自变量全部为定量，至少 2 个。按这些列成表删除缺失。拟合前对 X 做标准化，Y 保持原始万元单位。
自变量：最少 2 个，最多 100 个（定量）。
因变量：最少 1 个，最多 1 个（定量）。
输出
系数表列出每个自变量的标准化回归系数；恰好为 0 表示在所选 α 下被关掉。表注给出 R²、MSE、交叉验证最优 Alpha、1-SE 准则 Alpha 与原始量纲常数项。图为正则化路径或交叉验证误差曲线。洞察会统计被剔除的特征个数。
产品限制
有效行数至少 5（交叉验证折数取 min(5, n)）。
若最优 α 把全部系数打成 0，系统会回退到路径上最弱的一档 α 再拟合，避免空模型。
系数没有标准误与 p 值；不要把「非零」写成「显著」。
高基数编号列、定类原文不要直接进 X。
案例
研究问题。 综合评价住房表里，面积、所在楼层、总楼层与建筑年份都和总价有关，但彼此重叠。探索阶段希望自动关掉多余特征，留下对总价仍有预测贡献的核心列。
教学示例工作表为「Sheet1」。自变量勾选面积(平米)、楼层、总楼层、建筑年份，因变量勾选总价(万元)。交叉验证选出 Alpha = 12.0645，R² = 0.2964。四个特征里只留下面积。有效行数以成表删除后的工作台输出为准。下载后按同样角色复现系数表。
在 StatsX 中操作
步骤 1 · 上传表格
打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用综合评价 xlsx，确认工作表为「Sheet1」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量
确认总价(万元)与四列住房特征为定量。不要把房源 ID、小区名拖进自变量。
步骤 3 · 选择「Lasso回归」
在算法目录搜索「Lasso」或「L1」，点选 Lasso回归。不要误选岭回归或逐步回归。
步骤 4 · 指定特征与目标并运行
自变量勾选面积(平米)、楼层、总楼层、建筑年份（至少 2 个）；因变量勾选总价(万元)。点击运行分析。
步骤 5 · 阅读结果
先看哪些系数被收到 0，再读 CV 的 Alpha 与 1-SE Alpha，最后看 R²。系数是标准化尺度，不能当成「每平米涨多少万元」。
如何阅读输出
下表由同一份住房教学表示例在 StatsX 中运行 Lasso 得到。面积(平米) 的标准化系数 = 158.9473；楼层 = 0，总楼层 = 0，建筑年份 = 0。表注：R² = 0.2964，MSE = 69061.5585，CV 最优 Alpha = 12.0645，1-SE Alpha = 69.0378，常数项 = 457.3520（总价的原始万元尺度）。洞察概括为：交叉验证后剔除 3 个变量，只保留面积。
| 自变量 | 标准化回归系数(Coef) |
|---|---|
| 面积(平米) | 158.9473 |
| 楼层 | 0 |
| 总楼层 | 0 |
| 建筑年份 | 0 |
模型评估: R² = 0.2964 | MSE = 69061.5585 | 最佳惩罚系数 Alpha = 12.0645 | 1-SE 准则 Alpha = 69.0378 | 常数项 = 457.3520
【LASSO回归】因变量=总价(万元)，Alpha=12.0645（交叉验证寻优），R²=0.2964，特征已标准化。 【特征筛选】L1正则剔除 3 个变量，保留 1 个核心特征。
阅读顺序：有效行数 → 哪些行是确切的 0 → CV α 与更保守的 1-SE α → R² 是否只够「中等偏弱的预测」→ 常数项是否在总价的合理量级（457 万元是特征取标准化零点时的预测，约等于 Y 的均值位置）。面积与总价近乎定义性相关，Lasso 把它留下、把楼层关掉，是惩罚在重叠特征里选代理人，不是证明楼层与房价无关。同一张表若改跑岭回归，楼层、总楼层、建筑年份会留下非零收缩系数，R² 约 0.30，可作对照。
理论与公式
先把设计矩阵的各列标准化为均值 0、方差 1，再解
α 沿路径增大时，越来越多的坐标落到 0。StatsX 用 LassoCV（最多 5 折、100 个 α）取交叉验证均方误差最小的 α；本页为 12.0645。1-SE 准则在「CV 误差不超过最小值加一个标准误」的前提下选更大的 α，得到更短的模型；本页 1-SE α = 69.0378，主表系数仍按 CV 最优 α 报告。截距不进 L1 惩罚，故常数项 457.3520 留在原始 Y 尺度。R² 在标准化 X、原始 Y 的预测上计算，本页 0.2964。
注意事项
标准化系数不能写成「面积每增加 1 平米，总价增加 158.95 万元」。
系数为 0 只表示在当前 α 与特征集下被关掉，换样本或去掉面积后楼层可能复活。
没有 p 值：不要把非零系数叫做统计显著。
R²=0.2964 说明仍有七成总价变异未进线性 Lasso，不宜写成高精度定价模型。
交叉验证选变量会带来选择偏倚，确认性研究应预指定特征或另留验证集。
总价≈单价×面积时，面积几乎必然存活，这是代数结构，不是新发现。
常见问题
参考文献
Tibshirani, R. Regression shrinkage and selection via the lasso[J]. Journal of the Royal Statistical Society: Series B, 1996, 58(1): 267–288.
Hastie, T., Tibshirani, R., & Wainwright, M. Statistical Learning with Sparsity: The Lasso and Generalizations. CRC Press.
Friedman, J., Hastie, T., & Tibshirani, R. Regularization paths for generalized linear models via coordinate descent[J]. Journal of Statistical Software, 2010, 33(1): 1–22.
何晓群, 刘文卿. 应用回归分析[M]. 中国人民大学出版社.