本文介绍了多元回归分析中离差（Deviation）、残差（Residual）与误差（Error）的区别。离差是样本真实值与平均值的偏离程度，只与样本有关。残差是因变量真实值与模型拟合值的差，是模型评估的重要依据。误差是衡量模型总体性质的随机变量，与样本无关。三者间的关系为：离差可分解为残差和回归差，而残差可以视为误差在样本层面的估计。
文章目录
1. 综述
有不少小伙伴在初学多元回归模型的时候，会被一些术语搞得晕头转向，其中就包括经常出现的 离差（Deviation）、残差（Residual）与误差（Error）。这三个术语看起来完全就是一回事儿啊！！ 其实不然，这三个概念虽然有一定的关联性，但其描述的本质却完全不同。现在，就让我们就来简单聊聊这三者之间的区别吧！
2. 误差（Error）——模型的总体性质
误差（Error） 的英文本意就是“错误”。我们在日常生活中总是会犯这样或那样的错误，模型其实就是简化了的现实世界，其也必然会包含错误。而在多元回归模型中，我们在建立模型的时候就已经加入了这个错误：误差项。比如，在多元回归模型：
Y = β 0 + ∑ i = 1 p X i β i + ϵ Y = \beta_0 + \sum_{i=1}^{p} X_i \beta_i + \epsilon Y=β0+i=1∑pXiβi+
最低0.47元/天 解锁文章
扫一扫
7166
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
