拟合优度是衡量回归方程对样本观测值拟合程度的指标，由R^(R的平方)统计量表示，取值在0到1之间，越接近1表示拟合度越高。它是通过比较回归平方和与剩余平方和在总变差平方和中的比例来确定的。在实际应用中，拟合优度应结合模型的其他检验标准如显著性检验和残差分析来综合判断模型的适用性。一般认为，拟合优度超过0.5即为较好的拟合。
01 拟合优度是什么？
下面言归正传，敲黑板、划重点了啊！
所谓“拟合优度”，是回归分析中用来检验样本数据点聚集在回归线周围的密集程度，用于评价回归方程对样本观测值的拟合程度。
02 拟合优度是怎么来的？
英国统计学家F.Galton研究父亲身高和其成年儿子身高的关系时，从大量的样本观测值的散点图中，天才般地发现了一条贯穿其中的直线，这条直线能够描述父亲和成年儿子身高之间的关系。F.Galton把这种现象叫做“回归”，这条贯穿数据点的线称为“回归线”。
当然，F.Galton还发现，即便父亲身高都相同，他们的成年儿子身高也不尽相同。这就是说：成年儿子身高的差异会受到两个因素的影响：一个是他父亲身高的影响；另一个是其他随机因素的影响。
那么，我们可以这么理解，即“回归方程”中的被解释变量y的各观测值之间的差异，也是由两个方面原因造成的：一是由解释变量x的不同取值造成的；二是由其他随机因素所造成的。
实际上，回归方程所反映的是：解释变量x的不同取值变化对被解释变量y的影响规律，因此其本质上揭示的是上述第一个原因。
统计学上，我们把这个因素引起的y的变差平方和称为“回归平方和”(regression sum of squares,SSR)。
对于由随机因素造成的y的变差平方和称为“剩余平方和”(errors sum of squares,SSE)。
那么，y的总变差平方和(total sum of
最低0.47元/天 解锁文章
扫一扫
1693
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
