在数据分析和统计学中,线性回归是一种常见的预测方法,用于研究一个或多个自变量与因变量之间的关系。当我们讨论线性回归时,不得不提的是决定系数(Coefficient of Determination),通常用符号 R² 表示。它是一个非常有用的指标,可以帮助我们理解模型解释了数据变异性的多少。
决定系数 R² 的取值范围在 0 到 1 之间,数值越接近于 1,说明模型拟合得越好。换句话说,如果 R² 值为 1,表示模型完美地解释了所有数据的变化;而 R² 值为 0,则表示模型没有解释任何数据的变化。
决定系数 r² 的计算公式如下:
\[ R² = 1 - \frac{SS_{res}}{SS_{tot}} \]
其中,\( SS_{res} \) 表示残差平方和(Sum of Squares of Residuals),即实际观测值与模型预测值之差的平方和;
而 \( SS_{tot} \) 表示总平方和(Total Sum of Squares),即每个观测值与平均值之差的平方和。
通过这个公式,我们可以更深入地了解模型对数据拟合的好坏程度。希望这些信息对你有所帮助!📚
数据分析 统计学基础 线性回归