本文介绍了线性回归中的Standard Error of Estimate（估计标准误差），探讨了其计算公式和理解。SEE反映了实际值与预测值的偏差，数值越小，预测效果越好。它是衡量线性回归模型捕捉因变量与自变量关系的一个统计指标。
CFAL2复习Day3:
今天的知识点是一元线性回归中的SEE，全称：Standard Error of Estimate。我把它记为估计的标准误差，不知道对不对。考纲对这个知识点的要求是，要会计算并解释。
计算公式：
这是一个变量的SEE的计算公式，
分子是计算样本观测实际值与预测值之间的差异，称为回归残差(regression residual，ε)，通常是指误差项error term.求平方后，可以叫做剩余平方和。
整个公式与计算标准差的公式非常像，除了分母由n-1变为n-2之外，在计算SEE中，n-2是指自由度(degrees of freedom)，因为一共有n个观察值，而两个估计的参数，b0的估计、b1的估计占了2个，因此整个公式只有n-2个自由度了。
怎么理解Standard Error of Estimate
对着公式看可能比较容易理解，回归残差的平方和，代表了实际值和预计值的偏差的平方和，很明显SEE越大，偏差越大。因此，一个比较小的SEE，反映了一个更好的预测结果
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
