tft每日頭條

 > 生活

 > 線性回歸參數顯著性檢驗

線性回歸參數顯著性檢驗

生活 更新时间:2025-02-09 01:51:12
離差平方和的分解
  • 因變量 y 的取值是不同的,y 取值的這種波動稱為變差。變差來源于兩個方面

    • 由于自變量 x 的取值不同造成的

    • 除 x 以外的其他因素(如x對y的非線性影響、測量誤差等)的影響

  • 對一個具體的觀測值來說,變差的大小可以通過該實際觀測值與其均值之差來表示

線性回歸參數顯著性檢驗(想要學人工智能)1

離差平方和的分解圖示

三個平方和的關系

從上圖看有:

線性回歸參數顯著性檢驗(想要學人工智能)2

離差平方和的分解

兩端平方後求和有:

線性回歸參數顯著性檢驗(想要學人工智能)3

離差平方和的分解公式

三個平方和的意義
  • 總平方和(SST)

反映因變量的 n 個觀察值與其均值的總離差

  • 回歸平方和(SSR)

反映自變量 x 的變化對因變量 y 取值變化的影響,或者說,是由于 x 與 y 之間的線性關系引起的 y 的取值變化,也稱為可解釋的平方和

  • 殘差平方和(SSE)

反映除 x 以外的其他因素對 y 取值的影響,也稱為不可解釋的平方和或剩餘平方和

樣本決定系數(判定系數 r2 )
  • 回歸平方和占總離差平方和的比例

線性回歸參數顯著性檢驗(想要學人工智能)4

樣本決定系數

  • 反映回歸直線的拟合程度

  • 取值範圍在 [ 0 , 1 ] 之間

    • r2 —>1,說明回歸方程拟合的越好

    • r2—>0,說明回歸方程拟合的越差

  • 判定系數等于相關系數的平方,即r2=(r)2

回歸方程的顯著性檢驗 (線性關系的檢驗 )
  • 檢驗自變量和因變量之間的線性關系是否顯著

  • 具體方法是将回歸離差平方和(SSR)同剩餘離差平方和(SSE)加以比較,應用F檢驗來分析二者之間的差别是否顯著

    • 如果是顯著的,兩個變量之間存在線性關系

    • 如果不顯著,兩個變量之間不存在線性關系

  • 檢驗的步驟

線性回歸參數顯著性檢驗(想要學人工智能)5

回歸方程的顯著性檢驗

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关生活资讯推荐

热门生活资讯推荐

网友关注

Copyright 2023-2025 - www.tftnews.com All Rights Reserved