相关性描述了两个变量之间线性关联的强度,表示符号为R。
属性:
方案1:最小化残差的幅度和
方案2:最小化残差平方和。更常使用,易于计算,残差增幅更大。
使用线性模型对解释变量给定值预测响应变量值称之为预测(prediction)。
使用模型估计原有数据域外的值称之为外推法(extrapolation)。优势预测可能是外推法。
解释变量和响应变量值间的关系必须是线性的;
存在匹配非线性关系模型的方法;
使用数据散点图scatterplot或残差图residuals plot检查
残差必须近似正态分布,中心点为0;
如果有异常观察值不遵循正常数据的趋势,有可能不满足该条件
使用残差的直方图或正态概率图检查
点围绕最小平方和线(the least squares line)的可变性应该大概恒定,暗指残差围绕0的可变性应该大概恒定,这也称为同方差性(homoscedasticity)。
使用残差图residuals plot检查
评估线性模型拟合度更常使用,通过相关系数平方计算而得;
可以获知线性模型解释响应变量可变性的百分比,剩余可变性无法由模型解释;
介于0和1之间。
由于我们经常检查解释变量和响应变量之间是否存在关系,对斜率虚假设值经常为0;很少对截距进行推断。
对线性回归的每个估计参数都会损失一个自由度。
我们必须了解所工作的数据:随机样本、非随机样本或总体。如果已有总体数据,假设推断及其p-value结果就毫无意义。如果样本是非随机(有偏)的,结果将不可信。
t检验是评估x和y线性关系斜率假设检验的证据力度的一种方式。将y可变性分解为可解释和无法解释的可变性,需要使用方差分析ANOVA。
R sqared是模型可以解释y可变性的比例。很大,即x和y之间存在线性关系;小,则x和y之间存在线性关系的证据不令人信服。
两种结算方式:相关性,相关系数平方;定义,总可变性中可解释可变性的比例。
数据分析咨询请扫描二维码