R² 是一个统计量,用于衡量模型的拟合优度,表示因变量方差中可由自变量预测的比例。R² 为 1 表示完美拟合,而 0 表示不存在线性关系。其计算公式为 [latex]R^2 equiv 1 – frac{SS_{res}}{SS_{tot}}[/latex],其中 [latex]SS_{res}[/latex] 为残差平方和。

(图片仅供参考)
R² 是一个统计量,用于衡量模型的拟合优度,表示因变量方差中可由自变量预测的比例。R² 为 1 表示完美拟合,而 0 表示不存在线性关系。其计算公式为 [latex]R^2 equiv 1 – frac{SS_{res}}{SS_{tot}}[/latex],其中 [latex]SS_{res}[/latex] 为残差平方和。
决定系数 R 平方是评估回归模型的关键指标。它直观地衡量了模型能够解释结果变量变异的程度。R 平方由两个关键部分构成。第一部分是总平方和 (SS_{tot} = sum_i (y_i bar{y})^2),它衡量因变量 y 的总方差。第二部分是残差平方和 (SS_{res} = sum_i (y_i hat{y}_i)^2),它衡量模型无法解释的方差,其中 hat{y}_i 是预测值。
公式 [latex]R² = 1 – SS_{res}/SS_{tot}[/latex] 可以解释为回归模型“解释”的总方差百分比。例如,R² 为 0.75 表示模型中的预测变量可以解释结果变量 75% 的变异性。在简单线性回归中,R² 就是观测值和预测值之间皮尔逊相关系数 (r) 的平方。
然而,R² 有一个明显的局限性:即使新的预测变量添加到模型中,即使新变量不相关,R² 也不会减小。这可能会产生误导,并导致过度拟合。为了解决这个问题,通常使用调整后的 R²。它会根据模型中的预测变量数量来调整 R² 值,从而为多元回归提供更准确的拟合优度度量。
判定系数(R²)
(如果日期未知或不相关,例如“流体力学”,则提供其显著出现的近似估计)
只有注册会员才能免费获得 100% 的全尺寸图片和下载。.
> 登录 <