岭回归中，显著性小于0.05的自变量要从模型中剔除吗

在岭回归中，显著性小于0.05的自变量不一定需要从模型中剔除。岭回归是一种正则化方法，它通过引入一个惩罚项来限制模型中系数的大小，从而避免过拟合。因此，在进行岭回归时，应该先考虑保留所有的自变量，然后通过交叉验证等方法来选择最优的惩罚系数。如果经过调整后仍然发现某些自变量的系数很小或者不显著，那么可以考虑剔除这些自变量。但是需要注意的是，剔除自变量可能会导致模型的解释能力下降，因此应该在保证模型预测精度的前提下进行自变量的选择。