Product Design, Manufacturing & Innovation Resources
» 判定系数(R²)

判定系数(R²)

1900
  • Karl Pearson
统计学家在办公室环境中分析回归模型数据。

(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。

UNESCO Nomenclature: 1209
- 统计资料

类型

抽象系统

中断

重大的

用法

广泛使用

前体

  • 方差和标准差的概念
  • 最小二乘法
  • 皮尔逊积矩相关系数
  • 方差分析(ANOVA)原理

应用程序

  • 评估科学和工程预测模型的性能
  • 计量经济学和社会科学中的模型选择
  • 量化一组预测变量所解释的方差比例
  • 验证风险评估的财务模型

专利:

NA

潜在创新理念

由于机器人流量被拦截(目前每天超过 4 万),此内容仅限社区成员查看。
> 登录 > 或者 > 注册 < (100% 免费)即可访问此内容,以及所有其他受限内容和工具。

相关术语:r 平方、决定系数、拟合优度、模型评估、解释方差、平方和、回归诊断、统计显著性、调整后的 r 平方、相关性。

历史背景

判定系数(R²)

1854
1884
1896
1900
1903
1914
1924
1854
1854
1895
1899
1900
1911
1922
1925

(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)

相关发明、创新和技术原理

只有注册会员才能免费获得 100% 的全尺寸图片和下载。.

> 登录 <