回归分析之判定系数(符号记忆公式)

估计回归方程式适合度的测量指标。

误差变异\large SSE=\sum_{i=1}^{n}(y_{i}-\hat{y})^{2}

回归变异\large SSR=\sum_{i=1}^{n}(\hat{y}-\bar{y})^{2}

总的变异\large SST=\sum_{i=1}^{n}(y_{i}-\bar{y})^{2}

\large SST=SSE+SSR

判定系数\large R^{2}=\frac{SSR}{SST}=1-\frac{SSE}{SST}

SSE的其他表示法:\large SSE=\sum_{i=1}^{n}(y_{i}-\hat{y})^{2}=\sum_{i=1}^{n}(y_{i}-a-bx_{i})^{2}=S_{yy}-2bS_{xy}+b^{2}S_{xx}=S_{yy}-bS_{xy}=S_{yy}-b^{2}S_{xx}

  • \large S_{xx}=\sum (x_{i}-\bar{x})^{2}=\sum x_{i}^{2}-\frac{(\sum x_{i})^{2}}{n}

    \large S_{yy}=\sum (y_{i}-\bar{y})^{2}=\sum y_{i}^{2}-\frac{(\sum y_{i})^{2}}{n}

    \large S_{xy}=\sum (x_{i}-\bar{x})(y_{i}-\bar{y})=\sum x_{i}y_{i}-\frac{(\sum x_{i})(\sum y_{i})}{n}

    \large b=\frac{S_{xy}}{S_{xx}}, a = \bar{y}-b\bar{x}

视频链接:统计学 第23章 迴歸(一)_哔哩哔哩_bilibili


本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击【内容举报】进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部