线性回归方程中的相关系数r.pdfVIP

精品资料 欢迎下载 精品资料 欢迎下载 线性回归方程中的相关系数 r r= ∑(Xi-X 的平均数 )(Yi-Y 平均数 )/ 根号下 [ ∑(Xi-X 平均数 )^2* ∑(Yi-Y 平均数 )^2] 精品资料 欢迎下载 R2 就是相关系数的平方， R 在一元线性方程就直接是因变量自变量的相关系数，多元则是复相关系数 判定系数 R^2 也叫拟合优度、可决系数。表达式是 : R^2=ESS/TSS=1-RSS/TSS 该统计量越接近于 1，模型的拟合优度越高。 问题：在应用过程中发现，如果在模型中增加一个解释变量， R2 往往增大 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。 ——但是，现实情况往往是，由增加解释变量个数引起的 R2 的增大与拟合好坏无关， R2 需 调整。 这就有了调整的拟合优度 : R1^2=1-(RSS/(n-k-1))/(TSS/(n-1)) 在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是 :将残差 平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响 : 其中： n-k-1 为残差平方和的自由度， n-1 为总体平方和的自由度。 总是来说，调整的判定系数比起判定系数，除去了因为变量个数增加对判定结果的影响。 R = R接近于 1 表明 Y 与 X1 ， X2 ，…，Xk 之间的线性关系程度密切； R 接近于 0 表明 Y 与 X1， X2 ，…，Xk 之间的线性关系程度不密切 相关系数就是线性相关度的大小， 1 为（ 100% ）绝对正相关， 0 为 0% ，-1 为（ 100% ）绝 对负相关 相关系数绝对值越靠近 1 ，线性相关性质越好，根据数据描点画出来的函数 - 自变量图线越 趋近于一条平直线，拟合的直线与描点所得图线也更相近。 如果其绝对值越靠近 0 ，那么就说明线性相关性越差， 根据数据点描出的图线和拟合曲线相 差越远 （当相关系数太小时，本来拟合就已经没有意义， 如果强行拟合一条直线， 再把数据 点在同一坐标纸上画出来， 可以发现大部分的点偏离这条直线很远， 所以用这个直线来拟合 是会出现很大误差的或者说是根本错误的）。 分为一元线性回归和多元线性回归 线性回归方程中 , 回归系数的含义 一元： Y^=bX+a b 表示 X 每变动（增加或减少） 1 个单位 ,Y 平均变动（增加或减少） b 各单位 多元： Y^=b1X1+b2X2+b3X3+a 在其他变量不变的情况下，某变量变动 1 单位，引起 y 平均变动 量 以 b2 为例： b2 表示在 X1 、X3 （在其他变量不变的情况下）不变得情况下， X2 每变动 1 单位， y 平均变动 b2 单位 就一个 reg 来说 y=a+bx+e a+bx 的误差称为 explained sum of square e 的误差是不能解释的是 residual sum of square 精品资料 欢迎下载 总误差就是 TSS 所以 TSS=RSS+ESS 判定系数也叫拟合优度、可决系数。表达式是 该统计量越接近于 1，模型的拟合优度越高。 问题：在应用过程中发现，如果在模型中增加一