11.10
多元回归是一种统计工具,用于分析两个以上变量之间的关系。
多元回归可以建模为一个简单的方程,该方程估计具有多个预测变量或自变量的响应或因变量之间的线性关系。
例如,运动员的耗水量与温度和练习总时间呈正相关。
在这里,温度和练习的总时间是可以独立设置的预测变量。耗水量是响应变量,因为它取决于其他两个变量。
由于多元回归方程的手动计算通常很复杂,因此使用软件进行求解。
计算多重决定系数是为了衡量方程与数据集的拟合程度。这意味着温度的变化和练习的总时间可以解释 97% 的耗水量变化。
但是,随着使用更多变量,R2 通常会增加。
在这种情况下,将计算调整后的决定系数,该系数考虑了样本量和预测变量的数量。
多元回归能够用来评估一个响应或因变量与两个或多个自变量之间的线性关系。它有许多实际应用。
农民可以使用多元回归并根据多个因素(例如可用水量、肥料、土壤性质等)来确定作物产量。在这里,作物产量是反应变量或因变量,因为它取决于其他自变量。该分析需要绘制散点图,然后构建多元线性回归方程来计算多重判定系数 R^2。假设 R^2 的值为 96%;那么则可以将其解释为:水和肥料的不同组合解释了 96% 的作物产量变化。
然而,R^2 的值会随着自变量数量的增加而增加。因此,在分析过程中需要使用调整后的决定系数,同时还需要考虑样本容量和变量数量。
多元回归是一种统计工具,用于分析两个以上变量之间的关系。
多元回归可以建模为一个简单的方程,该方程估计具有多个预测变量或自变量的响应或因变量之间的线性关系。
例如,运动员的耗水量与温度和练习总时间呈正相关。
在这里,温度和练习的总时间是可以独立设置的预测变量。耗水量是响应变量,因为它取决于其他两个变量。
由于多元回归方程的手动计算通常很复杂,因此使用软件进行求解。
计算多重决定系数是为了衡量方程与数据集的拟合程度。这意味着温度的变化和练习的总时间可以解释 97% 的耗水量变化。
但是,随着使用更多变量,R2 通常会增加。
在这种情况下,将计算调整后的决定系数,该系数考虑了样本量和预测变量的数量。
From Chapter 11:
Now Playing
Correlation and Regression
3.6K Views
Correlation and Regression
12.7K Views
Correlation and Regression
8.0K Views
Correlation and Regression
6.7K Views
Correlation and Regression
7.7K Views
Correlation and Regression
5.4K Views
Correlation and Regression
7.4K Views
Correlation and Regression
4.9K Views
Correlation and Regression
6.5K Views
Correlation and Regression
2.6K Views