本文介绍了Excel回归分析中的关键指标，如Multiple R、R Square、Adjusted R Square和标准误差，强调了它们在评估模型拟合度和相关性中的作用。通过实例解析Significance F值，帮助理解线性关系的显著性检验。此外，文章分享了一位资深Python工程师的学习与工作经验，提供了一套完整的Python学习资源，包括学习路线、软件、电子书、视频教程、实战项目和面试资料，助力Python学习者提升技能。
其中，
Multiple R：相关系数R，值在-1与1之间，越接近-1，代表越高的负相关，反之，代表越高的正相关关系。
R Square：测定系数，也叫拟合优度。是相关系数R的平方，同时也等于表2中回归分析SS/(回归分析SS+残差SS)，这个值在0~1之间，越大，代表回归模型与实际数据的拟合程度越高。当这个值大于0.8时表示强正相关。
Adjusted R Square：校正的测定系数，对两个具有不同个数的自变量的回归方程进行比较时，还必须考虑方程所包含的自变量个数的影响，为此提出，所谓“最优”回归方程是指校正的决定系数最大者。
标准误差：等于残差SS / 残差df 的平方根，标准误差越小越好。
观测值：表示有多少个数据
表1里我们重点看R Square-测定系数
第二个表格-方差分析
回归分析df：回归分析模型的自由度，以样本来估计总体时，样本中独立或能自由变化的个数
在表二中我们中带你关注 Significance F的值它在显著
最低0.47元/天 解锁文章
扫一扫
3203
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
