本文介绍了线性回归中常用的评估指标R2（决定系数）和皮尔森及斯皮尔曼相关系数。R2衡量回归方程的拟合度，而相关系数则反映两个变量间线性相关程度。皮尔森相关系数适用于等距数据，斯皮尔曼相关系数则适合等级数据。文章还讨论了这些指标的计算公式和适用条件。
评价线性回归方程拟合的情况，一般有两个参数，一个是 R 2 R^2 R2，另一个是皮尔森相关系数(Pearson Correlation Coefficient)。说到皮尔森，就不得不想起来斯皮尔曼相关系数(Spearman Correlation Coefficient)，因此今天学习这三个点。
1. 决定系数 R 2 R^2 R2
R 2 R^2 R2衡量的是回归方程整体的拟合度，表达因变量与所有自变量之间的总体关系。 R 2 R^2 R2的计算公式如下：
(1) R 2 = 1 − ∑ i = 1 n ( y i − y i ^ ) 2 ∑ i = 1 n ( y i − y ˉ ) 2 R^2 = 1 - \frac{\sum_{i=1}^{n}(y_i-\hat{y_i})^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \tag 1 R2=1−∑i=1n(yi−yˉ)2∑i=1n(yi−yi^)2(1)
公式中 y i y_i yi：表示实际观测到的值；
y i ^ \hat{y_i} yi^：表示回归方程预测到的值；
y ˉ \bar{y} yˉ：表示实际观测到的值的平均值
由公式(1)，可以看出：
S S E = ∑ i = 1 n ( y i − y i ^ ) 2 SSE = \sum_{i=1}^{n}(y_i-\hat{y_i})^2 SSE=∑i=1n(yi−yi^)2是预测值和观测值距离的平方和(残差平方和：error sum of squares)；极端情况下，回归方程预测100%正确，这个数值是0，那么 R 2 = 1 R^2=1 R2=1。
S S T = ∑ i = 1 n ( y i − y ˉ ) 2 SST = \sum_{i=1}^{n}(y_i-\bar{y})^2 SST=∑i=1
最低0.47元/天 解锁文章
扫一扫
9万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
