建设项目自主验收公示网站,郑州网站推广价格,中国建筑劳务分包网,宁波seo推广服务线性回归系数解释线性回归系数1、R2R^2R2#xff08;R方#xff0c;R-Square#xff09;2、Adj−R2Adj-R^2Adj−R2#xff08;调整后的 R 方#xff09;3、标准误差4、FFF 值5、FFF 显著度6、置信区间7、PPP 值线性回归系数
回归模型得到后会有多个系数#xff0c;这些系…
线性回归系数解释线性回归系数1、R2R^2R2R方R-Square2、Adj−R2Adj-R^2Adj−R2调整后的 R 方3、标准误差4、FFF 值5、FFF 显著度6、置信区间7、PPP 值线性回归系数
回归模型得到后会有多个系数这些系数都有不同的功能能揭示的东西很多。
1、R2R^2R2R方R-Square
R2R^2R2 表明模型与实际值的拟合度介于 0∼10\sim 10∼1 之间越接近 111 说明拟合度越高但不一定说明模型就越好可能过拟合。
2、Adj−R2Adj-R^2Adj−R2调整后的 R 方
调整后的 R2R^2R2 类似 R2R^2R2 但更加重要表明在因变量的变动中有多少可以由自变量的变动来解释。若 Adj−R20.88Adj-R^20.88Adj−R20.88则说明 yyy 的变动有 88%88\%88% 可以由 xxx 来解释剩下的 12%12\%12% 是随机变动也是模型无法解释的部分。
3、标准误差
是通过模型得到预测值与真实值之间的误差的标准差。和不同参数的模型或者其他模型相比较这个值越大说明模型预测的数据就越离散模型的准确度也就越低。
4、FFF 值
FFF 值越大表明线性回归越显著说明模型越能解释因变量 yyy 的变化。线性回归的均方误差是模型可以解释的部分残差均方误差是模型没法解释的随机的部分FFF 值则是前者与后者的比值。
5、FFF 显著度
FFF 值对应的是 FFF 显著度反映的是线性回归模型不成立即两个变量之间不存在线性关系的概率。若 FFF 显著度几乎为 000则表面两个变量之间不存在线性关系的概率几乎为 000当参数大于我们常用的 0.050.050.05 时一般认为模型不成立。
6、置信区间
因为很少会用唯一值来做决定通常会用一个区间来判断模型的拟合度这就是置信区间的由来。若参数 kkk 的置信区间 [a,b][a,b][a,b] 说明在 95%95\%95% 的情况下参数 kkk 会介于 aaa 和 bbb 之间这一区间越小越好说明模型的拟合度更高预测准确度也更高。
7、PPP 值
这是我们最常看的一个值和 FFF 显著度差不多表示系数为 000 的概率若 PPP 值越小则系数为 000 的概率越小例ykxbykxbykxb若系数 kkk 为 000则表明两个变量之间不存在线性关系可以猜测此时 PPP 值很大可能是 111若 PPP 值几乎为 000 则表明两个变量之间的线性关系很强即系数存在。若 PPP 值大于我们常用的 0.050.050.05则可以认为系数为 000。
