|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Анализ вариации (дисперсии) зависимой переменной в регрессии
Рассмотрим вариацию (разброс) значений вокруг среднего значения. Разобьем эту вариацию на две части: объясненную регрессионным уравнением и не объясненную (т.е. связанную с ошибками ). Обозначим через предсказанное значение , тогда (см. рис.) и вариация представляется в виде трех слагаемых: Третье слагаемое равно нулю, так как вектор остатков регрессии Е ортогонален константе Г и вектору Х, т.е. ГТЕ = только в том случае, когда константа включена в число объясняющих параметров регрессии. Поэтому верно равенство TSS ESS RSS Обозначим левую часть через TSS (total sum of squares) – вся дисперсия, первое слагаемое в правой части, соответствующее не объясненной дисперсии, через ESS (error sum of squares), второе слагаемое в правой части – RSS (regression sum of squares) – объясненная часть всей дисперсии.
2.2.2 Статистика – коэффициент детерминации. Определение. Коэффициентом детерминации, или долей объясненной дисперсии, называется Статистику имеет смысл рассматривать, когда константа включена в уравнение регрессии. В силу определения принимает значения между 0 и 1, . Если , то это означает, что регрессия ничего не дает, т.е. не улучшает качество предсказания по сравнению с тривиальным предсказанием . Другой крайний случай означает точную подгонку: все точки наблюдений лежат на регрессионной прямой (все ) Чем ближе к 1 значение , тем лучше качество подгонки, более точно аппроксимирует y. применяется при оценке качества регрессии.
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.) |