无限回归论证

无限回归论证
无限回归是一种统计方法，用于处理回归模型中的残差项，通过连续地应用回归模型来估计和检验参数的一致性和显著性。

无限回归论证的基本思想是，对于一个拟合良好的回归模型，如果我们将模型的残差项再次用回归模型进行回归，那么得到的系数估计应该接近于零。

这是因为如果原始模型是拟合良好的，也就是说所有相关的解释变量都已经被考虑进去了，那么通过再次回归残差项，理论上不应该再有解释变量对残差的影响。

因此，再次回归得到的系数估计应该是不显著的。

使用无限回归进行论证的步骤如下：
1. 估计原始模型，并计算残差项。

2. 将残差项作为新的因变量，再次回归原始模型中的解释变量。

3. 检验新的回归模型中系数的显著性。

如果因变量=残差项的
回归模型中的系数都不显著，那么可以得出结论，原始模型的估计结果是可信的。

无限回归论证的一个优点是，它能够帮助我们进一步验证原始模型的可靠性和解释变量的贡献。

但是，需要注意的是，无限回归并不是一个判断因果关系的方法，而是一个用于验证回归模型的可靠性的统计工具。

因此，在进行无限回归论证时，需要谨慎地解释结果并考虑其他可能的解释。