Reszty liniowej i rosnącej funkcji regresji \(\displaystyle{ y=ax+b}\) wynoszą:\(\displaystyle{ -0,6; 0,2; 0,1; 0,4; -0,2; 0,3; -0,2; 0,1.}\)
Dodatkowo wiadomo że wariancja zmiennej "y" wynosi \(\displaystyle{ 1,3}\). Proszę ocenić jej jakość oraz oszacować waertość współczynnika korelacji \(\displaystyle{ r(x,y)}\).
Zaciąłem się przy \(\displaystyle{ \varphi^{2}= \frac{S ^{2}(u) }{S ^{2}(y)} = \frac{ \sum_i^n u^{2} }{ \sum_i^n (y- \overline{y}) ^{2} }}\)
Skoro \(\displaystyle{ S ^{2}(u) = \frac{\sum_i^n u^{2}}{n-2}}\), a
\(\displaystyle{ S ^{2}(y) = \frac{\sum_i^n (y- \overline{y}) ^{2}}{n}}\) to wychodzi mi że \(\displaystyle{ n-2=n}\)
Druga sprawa: czy jako 'oszacować r(x,y) należy rozumieć zastosowanie zależności \(\displaystyle{ R^{2} \approx r^{2}(x,y)}\) ? Czy chodzi o coś innego?
Ocenić jakość liniowej funkcji regresji
-
- Użytkownik
- Posty: 7917
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Ocenić jakość liniowej funkcji regresji
Z podstawowego równania regresji liniowej:
\(\displaystyle{ SST = SSR + SSE}\)
obliczamy \(\displaystyle{ SSR:}\)
\(\displaystyle{ SST = n\cdot Var(Y)}\)
\(\displaystyle{ SSE}\) obliczamy jako sumę kwadratów danych reszt \(\displaystyle{ e_{i}.}\)
Obliczamy współczynnik determinancji:
\(\displaystyle{ R^2 = \frac{SSR}{SST}= \frac{SSR}{SSR+SSE}.}\)
Na podstawie otrzymanej wartości \(\displaystyle{ R^2}\) - oceniamy jakość modelu liniowego i procent wariancji wyjaśnionej przez model.
Obliczamy współczynnik korelacji liniowej \(\displaystyle{ r- Pearsona.}\)
Prościej na obliczenie współczynnika determinancji możemy wykorzystać wzór:
\(\displaystyle{ R^2 = 1 - \frac{\sum_{t=1}^{n}e^2_{t}}{n\cdot Var(Y)}.}\)
\(\displaystyle{ SST = SSR + SSE}\)
obliczamy \(\displaystyle{ SSR:}\)
\(\displaystyle{ SST = n\cdot Var(Y)}\)
\(\displaystyle{ SSE}\) obliczamy jako sumę kwadratów danych reszt \(\displaystyle{ e_{i}.}\)
Obliczamy współczynnik determinancji:
\(\displaystyle{ R^2 = \frac{SSR}{SST}= \frac{SSR}{SSR+SSE}.}\)
Na podstawie otrzymanej wartości \(\displaystyle{ R^2}\) - oceniamy jakość modelu liniowego i procent wariancji wyjaśnionej przez model.
Obliczamy współczynnik korelacji liniowej \(\displaystyle{ r- Pearsona.}\)
Prościej na obliczenie współczynnika determinancji możemy wykorzystać wzór:
\(\displaystyle{ R^2 = 1 - \frac{\sum_{t=1}^{n}e^2_{t}}{n\cdot Var(Y)}.}\)
-
- Użytkownik
- Posty: 7
- Rejestracja: 3 wrz 2018, o 14:51
- Płeć: Mężczyzna
- Lokalizacja: Polska
- Podziękował: 2 razy
Re: Ocenić jakość liniowej funkcji regresji
No, dzięki. Tylko to nie rozwiewa moich powyższych dylematów...
-
- Użytkownik
- Posty: 7
- Rejestracja: 3 wrz 2018, o 14:51
- Płeć: Mężczyzna
- Lokalizacja: Polska
- Podziękował: 2 razy
Ocenić jakość liniowej funkcji regresji
MarianP pisze: Zaciąłem się przy \(\displaystyle{ \varphi^{2}= \frac{S ^{2}(u) }{S ^{2}(y)} = \frac{ \sum_i^n u^{2} }{ \sum_i^n (y- \overline{y}) ^{2} }}\)
Skoro \(\displaystyle{ S ^{2}(u) = \frac{\sum_i^n u^{2}}{n-2}}\), a
\(\displaystyle{ S ^{2}(y) = \frac{\sum_i^n (y- \overline{y}) ^{2}}{n}}\) to wychodzi mi że \(\displaystyle{ n-2=n}\)
Druga sprawa: czy jako 'oszacować r(x,y) należy rozumieć zastosowanie zależności \(\displaystyle{ R^{2} \approx r^{2}(x,y)}\) ? Czy chodzi o coś innego?
-
- Użytkownik
- Posty: 7917
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Ocenić jakość liniowej funkcji regresji
Te trzy pierwsze Pana wywody są w stosunku do treści zadania błędne.
Mamy obliczoną wartość współczynnika determinacji \(\displaystyle{ R^2}\)
Jak w prostym modelu liniowym regresji obliczamy współczynnik korelacji \(\displaystyle{ r_{xy}?}\)
Mamy obliczoną wartość współczynnika determinacji \(\displaystyle{ R^2}\)
Jak w prostym modelu liniowym regresji obliczamy współczynnik korelacji \(\displaystyle{ r_{xy}?}\)