二次拟合r方_R方和线性回归拟合优度

原文连接：http://tecdat.cn/?p=6267​tecdat.cn

我最近一直在教授建模课程，并一直在阅读和思考适合度的概念。 R方由协变量X解释的结果Y的变化比例通常被描述为拟合优度的度量。这当然看起来非常合理，因为R平方测量观察到的Y值与模型的预测(拟合)值的接近程度。

然而，要记住的重要一点是，R平方不会向我们提供有关我们的模型是否正确指定的信息。也就是说，它没有告诉我们我们是否正确地指定了结果Y的期望如何取决于协变量。特别是，R平方的高值并不一定意味着我们的模型被正确指定。用一个简单的例子说明这是最简单的。

首先，我们将使用R模拟一些数据。为此，我们从标准正态分布(均值为零，方差一)中随机生成X值。然后，我们生成结果Y等于X加上随机误差，再次使用标准正态分布：

n < - 1000 set.seed(512312) x < - rnorm(n) y < - x + rnorm(n)

然后我们可以拟合Y的(正确的)线性回归模型，其中X作为协变量：

summary(mod1) Call: lm(formula = y ~ x) Residuals: Min 1Q Median 3Q Max -2.8571 -0.6387 -0.0022 0.6050 3.0716 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.02193 0.03099 0.708 0.479 x 0.93946 0.03127 30.040 <2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.98 on 998