R²是指拟合优度,是回归直线对观测值的拟合程度。
表达式:R2=SSR/SST=1-SSE/SST其中:SST=SSR+SSE,SST(total sum of squares)为总平方和,SSR(regression sum of squares)为回归平方和,SSE(error sum of squares) 为残差平方和。
回归平方和:SSR(Sum of Squares forregression) = ESS (explained sum of squares)残差平方和:SSE(Sum of Squares for Error) = RSS(residual sum of squares)总离差平方和:SST(Sum of Squares fortotal) = TSS(total sum of squares)SSE+SSR=SST RSS+ESS=TSSr方的统计学在统计学中对变量进行线行回归分析,采用最小二乘法进行参数估计时,R平方为回归平方和与总离差平方和的比值,表示总离差平方和中可以由回归平方和解释的比例,这一比例越大越好。
模型越精确,回归效果越显著。
R平方介于0~1之间,越接近1,回归拟合效果越好,一般认为超过0.8的模型拟合优度比较高。
spss中曲线估计应该看R方还是F值来判断哪个模型拟合的更好?欢迎分享,转载请注明来源:内存溢出
评论列表(0条)