🐟 請您尊重本網站的智慧財產權,如有任何引用,請註明出處:Dr. Fish 漫游社會統計。(文章發表日期)。文章名稱。文章網址
線性迴歸
最小平方迴歸線可用來估計不在樣本裡的單一自變項數值的預測區間,不過計算預測區間時無法使用作為整體預測誤差測量的估計標準誤。由於個別自變項數值會隨著其與自變項平均數間的距離而有不同的誤差估計,所以個別預測的標準誤須做相應的調整後才能計算出預測區間。
合作邀約 email: dr.fish@drfishstats.com
🐟 請您尊重本網站的智慧財產權,如有任何引用,請註明出處:Dr. Fish 漫游社會統計。(文章發表日期)。文章名稱。文章網址
最小平方迴歸線可用來估計不在樣本裡的單一自變項數值的預測區間,不過計算預測區間時無法使用作為整體預測誤差測量的估計標準誤。由於個別自變項數值會隨著其與自變項平均數間的距離而有不同的誤差估計,所以個別預測的標準誤須做相應的調整後才能計算出預測區間。
迴歸線和皮爾森積差相關係數間具有相當密切的關係,運用觀察值、迴歸線的預測值和依變項的平均數可組成可被解釋、不可被解釋的變異和總變異,其中可被解釋的變異與皮爾森積差相關係數相關聯。此外,在簡單線性迴歸裡,迴歸線的標準化係數等於皮爾森積差相關係數。
估計標準誤是在最小平方迴歸線建立之後,用來測量預測誤差的一個量化數值。若估計標準誤的數值愈大,代表預測誤差愈大,預測愈沒有信心;相反地,若數值愈小,代表預測誤差愈小,則預測的準確性愈高。為了使該數值有意義,資料必須滿足同質性或變異數同質性的假設。
當1個自變項和1個依變項呈現不完全的線性關係時,可在成對的兩變項所構成的點中建構出一條適合所有點的線,作為預測的用途。這條線是依據最小平方法準則,將自變項預測依變項的誤差最小化,因此稱為最小平方迴歸線。由於預測誤差最小,所以能夠給予最準確的整體預測值。
皮爾森積差相關係數是測量兩變項關聯方向和程度的一個量化數值。相關係數的數值可從-1到1,符號代表關係的方向,數值本身則代表關係的強度,數值愈大關係程度愈高。若將皮爾森積差相關係數平方,即變成決定係數,可用來解釋一個變項中有多少的變異可被另一個變項說明。