证明$R^2=[corr(y,\hat{y})]^2$

R 2 = [ c o r r ( y , y ^ ) ] 2 R^2=[corr(y,\hat{y})]^2 R2=[corr(y,y^)]2
Proof:
R 2 = S S E S S T = ∑ i = 1 n ( y i ^ − y ˉ ) 2 ∑ i = 1 n ( y i − y ˉ ) 2 R^2=\dfrac{SSE}{SST}=\dfrac{\sum\limits_{i=1}^n(\hat{y_i}-\bar{y})^2}{\sum\limits_{i=1}^n(y_i-\bar{y})^2} R2=SSTSSE=i=1n(yiyˉ)2i=1n(yi^yˉ)2
[ c o r r ( y , y ^ ) ] 2 = [ C o v ( y , y ^ ) V a r ( y ) V a r ( y ^ ) ] 2 = ( C o v ( y , y ^ ) ) 2 V a r ( y ) V a r ( y ^ ) [corr(y,\hat{y})]^2=[\dfrac{Cov(y,\hat{y})}{\sqrt{Var(y)Var(\hat{y})}}]^2=\dfrac{(Cov(y,\hat{y}))^2}{Var(y)Var(\hat{y})} [corr(y,y^)]2=[Var(y)Var(y^) Cov(y,y^)]2=Var(y)Var(y^)(Cov(y,y^))2
C o v ( y , y ^ ) = 1 n ∑ i = 1 n ( y i − y ˉ ) ( y i ^ − y ^ ˉ ) Cov(y,\hat{y})=\dfrac{1}{n}\sum\limits_{i=1}^n(y_i-\bar{y})(\hat{y_i}-\bar{\hat{y}}) Cov(y,y^)=n1i=1n(yiyˉ)(yi^y^ˉ)

  • 7
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
在有常数项的情况下,我们要证明r^2等于相关系数的平方。 首先,我们来回顾一下r和r^2的定义。 相关系数r是用来衡量两个变量之间线性关系强度和方向的统计量。它的取值范围是-1到1之间。当r的绝对值接近1时,说明两个变量之间存在强线性关系,而当r接近0时,则表示两个变量之间没有线性关系。 相关系数r^2也被称为决定系数,它表示因变量的变异部分能够被自变量解释的程度。r^2的取值范围是0到1之间,0表示因变量的波动完全无法由自变量解释,1表示因变量的波动完全被自变量解释。 现在我们假设有两个变量X和Y,其线性关系可以用下面的方程表示:Y = a + bX + e,其中a是常数项,b是斜率,e是一个误差项。我们要证明在有常数项的情况下,r^2等于相关系数的平方。 我们首先计算相关系数r。根据相关系数的定义,r等于X和Y的协方差除以它们各自标准差的乘积。由此可以得到: r = Cov(X, Y) / (σ_X * σ_Y) 其中Cov(X, Y)表示X和Y的协方差,σ_X和σ_Y分别表示X和Y的标准差。 然后我们计算r^2。由相关系数r和决定系数r^2之间的关系得知: r^2 = r * r = (Cov(X, Y) / (σ_X * σ_Y)) * (Cov(X, Y) / (σ_X * σ_Y)) = (Cov(X, Y))^2 / (σ_X^2 * σ_Y^2) 根据回归分析的知识,Cov(X, Y)可以等于r * σ_X * σ_Y。 因此,我们可以将上式重写为: r^2 = (r * σ_X * σ_Y)^2 / (σ_X^2 * σ_Y^2) = r^2 * σ_X^2 * σ_Y^2 / (σ_X^2 * σ_Y^2) = r^2 所以,在有常数项的情况下,r^2等于相关系数的平方。 以上就是证明在有常数项的情况下,r^2等于相关系数的平方的过程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值