回归建模指南

1. 引言 回归建模通过学习目标变量与一组可解释特征之间的关系，对未来数值进行预测。在您的多门店按日汇总的时间序列场景中，我们既要捕捉强烈的周度/节假日季节性和中期趋势，也要利用价格、促销、客流、天气、线上订单等外生变量提升预测精度并保持可解释性。

2. 选择的回归技术 选择带门店随机效应的广义可加模型（GAM）并对目标做对数变换：

• 适配性：GAM能以平滑函数刻画非线性（如温度、客流的非线性回报），用张量积处理关键交互（促销深度×价格），并以循环样条捕捉周度/年度季节性；随机截距吸收门店间基线差异。
• 可解释性：每个平滑项/系数均可视化为边际效应或弹性曲线，便于业务解释和行动建议。
• 时间序列适配：在包含严格滞后与滚动统计（无泄漏）的前提下，GAM可直接做多门店的面板式时间序列预测，配合滚动时间切分验证。
• 正则化：平滑项自带惩罚（避免过拟合），参数项可加小幅岭惩罚；与log1p目标相结合可稳住异方差和长尾。

3. 模型方程（数学表示） 记i为门店，t为日期，目标 y_it = log(1 + revenue_it)。 模型： y_it = β0 + b_i + γ_region[r(i)]
   • β1·promo_flag_it + β2·holiday_flag_it + ∑_k γ_k·holiday_type_{k,it}
   • β3·price_index_vs_region_it + β4·holiday_win_pm1d_it
   • te(promo_depth_pct_it, avg_unit_price_usd_it)
   • s_week(dow_sin_t, dow_cos_t)
   • s_annual(doy_sin_t, doy_cos_t)
   • s_trend(t)
   • s_temp(weather_temp_c_it)
   • s_precip(weather_precip_mm_it)
   • s_wind(weather_wind_kph_it)
   • s_ft(log(foot_traffic_count_it + 1))
   • s_on(log(online_orders_it + 1))
   • s_l1(lag_1d_revenue_it)
   • s_l7(rolling_7d_mean_revenue_it)
   • s_promo7(promo_7d_rolling_mean_it)
   • ε_it

• b_i ~ N(0, σ_b^2) 为门店随机截距；γ_region为区域固定效应。
• s_week、s_annual 为循环样条（周度/年度季节性）；s_trend 为平滑时间趋势（吸收扩店带来的中长期变化）。
• te(·,·) 为促销深度×价格的张量积平滑，刻画边际收益递减或阈值效应。
• 误差 ε_it ~ N(0, σ^2)。所有数值特征标准化；分类变量（如holiday_type）独热编码；store_id用随机效应避免高维固定效应的膨胀。
• 预测反变换采用“涂抹”校正：E[revenue|X] ≈ exp(ŷ + 0.5·σ̂_resid^2) − 1（或采用Duan smearing）。

数据与特征工程要点：

• 目标：log1p(daily_revenue_usd)。
• 缺失：天气按同区域同年内日（DoY）中位数补；客流用季节性卡尔曼平滑补；促销缺失极少按0/前值插补（视业务定义）。
• 异常：对数域内按99.5% Winsorize；重大活动保留为事件特征（如back-to-school）。
• 泄漏防护：所有滞后与滚动特征严格用t之前的数据按门店分别计算。
• 多重共线性：对价与促销强相关项中心化并在参数项施加岭惩罚；监控VIF并合并冗余特征。

4. 关键性能指标

• OOS R²（越高越好）：评估模型在时间外测试集（最后90天）上的解释度，建议以门店加权（按收入或天数）汇总。
• RMSE（USD，越低越好）：对业务敏感的大额误差惩罚更重，便于容量/备货决策。
• RMSLE（越低越好）：与log目标一致，降低节假日极端值对指标的主导，衡量相对误差。
• MAPE / WAPE（越低越好）：便于跨门店/时段比较相对精度；注意低收入天的影响可用WAPE缓解。
• 预测区间覆盖率（80%/95%）：检验不确定性估计的校准度。 验证方案：按月滚动验证（expanding window 或 rolling-origin），保持门店分组一致；最终以最近90天作为完全时间外测试。

5. 结果解读

• 季节性：s_week显示稳定的周内模式（如周末峰值）；s_annual刻画节假日季节与开学季等年度周期。
• 促销与价格：te(promo_depth, price)通常呈现递增但边际收益递减的形状；在高价位下更深促销对销量/营收拉动更强但存在饱和区间，可据此优化促销梯度。
• 事件与假期：holiday_flag与holiday_type的正效应明确，holiday_win_pm1d捕捉前后溢出，便于安排人效与库存。
• 流量与线上：s_ft给出客流的弹性（log-线性意义下可近似为百分比弹性）；s_on揭示线上与门店营收的互补或替代关系。
• 天气：s_temp/s_precip等呈非线性（如温度存在舒适区间的倒U型）；可据此制定气候敏感门店的备货/排班策略。
• 滞后/动量：s_l1与s_l7反映惯性与短期均值回归，有助于在活动后回落期更稳健预测。
• 门店差异：随机截距b_i量化不同门店基线，便于洞察结构性差异（地段、商圈）。

6. 潜在改进

• 随机斜率：为关键变量（promo_depth、price、foot_traffic）引入门店层级的随机斜率，提升个性化拟合。
• 异方差与分位数：使用分位数GAM或梯度提升的分位数回归给出P50/P80/P90预测，改进人效与库存的风险管理。
• 残差相关：为GAM残差添加ARMA误差项，或对残差拟合轻量级AR模型以吸收剩余自相关。
• 特征增强：加入事件强度指数（如活动投入）、本地赛事/学术日历、营业时长、竞争对手活动代理变量。
• 稳健性与筛选：稳定性选择（stability selection）、群组套索（对促销相关特征成组惩罚）进一步缓解共线性。
• 备选与集成：与LightGBM/XGBoost（含时序CV与滞后特征）做堆叠/加权集成；用SHAP对树模型进行对比解释。
• 层级贝叶斯：全层级模型共享跨门店信息，在冷启动或数据稀疏门店更稳健。
• 再校准与更新：滚动每周/每月再训练，节前窗口加权；应用Duan smearing或对数正态偏差校正以稳定反变换偏差。
• 数据质量：持续监控传感器缺失/漂移，自动重估平滑惩罚与VIF阈值；异常活动以事件特征显式标注避免“误学”。

以上方案在保证时间泄漏防护和时序交叉验证的前提下，兼顾预测精度与业务可解释性，适合您的多门店日度营收预测任务。