linear regression的SAS 结果解读
来源:互联网 发布:东华大学网络教育平台 编辑:程序博客网 时间:2024/06/05 18:43
PROC REG DATA=WORK.SORTTempTableSorted
PLOTS(ONLY)=FITPLOT
;
Linear_Regression_Model: MODEL Oxygen_Consumption= Run_Time
/ SELECTION=NONE
;
RUN;
PLOTS(ONLY)=FITPLOT
;
Linear_Regression_Model: MODEL Oxygen_Consumption= Run_Time
/ SELECTION=NONE
;
RUN;
Analysis of Variance:
n 是总体观察数量,p 回归的参数数量.
- Model的自由度:Corrected Degrees of Freedom for Model: DFM = p - 1
- Error的自由度:Degrees of Freedom for Error: DFE = n - p
组间和组内的变异性,为什么组间的是模型解释了的(explained),而组内是模型没有解释的呢?
- SSM(Sum of Squares for Model)即模型平方和,回归平方和。模型和base line(Y的均值)差值平方和,又称为组间平方和。
- SSE(Sum of Squares for Error) 即 残差平方和。反映每个样本各观测值的离散状况,又称为组内平方和或误差项平方和
见上一个blog。
- Mean Squared for Model, MSM 衡量评价模型, MSM = SSM / DFM,DFM是model的自由度
- 均方误差(Mean Squared for Error, MSE)衡量“平均误差”的一种较方便的方法, 是MSE = SSE / DFE,DFE是Error的自由度。
http://facweb.cs.depaul.edu/sjost/csc423/documents/f-test-reg.htm
F检验:
F检验又叫方差齐性检验,判断两总体方差是否相等,就可以用F检验。
如果H0 为真,F = [(SSM/σ)/DFM]/[(SSE/σ)/DFE] = (SSM/DFM)/(SSE/DFE) = MSM/MSE是自由度为(DFM,DFE)的F分布。
这里F检验中,F分布,为什么是[(SSM/σ)/DFM]/[(SSE/σ)/DFE]???有待进一步了解。
R方:
R2,决定系数,自然越大越好,但没有规定0.1就不可以,也很少见超过0.5的。R方的高低不是判断模型好坏的很好的依据,主要是看模型总体显著性如何(F检验)。
参数估计:
最终可以看出模型为 0 0
- linear regression的SAS 结果解读
- Linear Regression & Ridge Regression的matlab实现
- Multivariate Linear Regression的参数估计
- Linear regression
- linear regression
- linear regression
- linear regression
- Linear Regression
- linear regression
- linear regression
- linear regression
- linear regression
- Linear Regression
- Linear Regression
- Linear Regression
- linear-regression
- Linear regression
- Linear Regression
- 常用的Eclipse快捷键
- 【String实现】面试官,请不要再用Java面试题考Android开发者了!
- 设计模式(策略模式)
- D3D加载纹理的步骤(1)
- Java学习之路之Hello World小程序
- linear regression的SAS 结果解读
- 第五周作业--有向图邻接表表示及反向图构造
- django 高级视图和URL配置
- 浅谈meta标签
- android Dialogfragment
- 安装Tomcat 7.0
- INI文件操作
- 基本排序系列之希尔排序
- log_file_name_convert的更改与ORA-01516和ORA-01275