匿名用户

1级

2014-11-26 回答

R2系数是一个重要的判定指标，公式为 。从公式中可以看出，判定系数等于回归平方和在总平方和总所占的比率，即回归方程所能解释的因变量变异性的百分比。如果R2=0.775，说明变量y的变异性中有77.5%是由自变量x引起的；如果R2=1，表示所有的观测点全部落在回归直线上；如果R2=0，则表示自变量与因变量无线性关系。

估计标准误差

实际值与平均值的总误差中，回归误差与剩余误差是此消彼长的关系。因而回归误差从正面测定线性模型的拟合优度，剩余误差则从反面来判定线性模型的拟合优度。统计上定义剩余误差除以自由度n – 2所得之商的平方根为估计标准误。：

其公式为

(5.10)

式中： 为估计标准误差，n-2是自由度。

在回归分析中，估计标准误差越小，表明实际值越紧靠估计值，回归模型拟合优度越好；反之，估计标准误差越大，则说明实际值对估计值越分散，回归模型拟合越差。

实际工作中也可用下列简捷公式 (5.11)

以例题2计算：

(万元) 或

作为回归模型拟合优度的判断和评价指标，估计标准误显然不如判定系数r2. r2 是无量纲系数，有确定的取值范围 (0—1)，便于对不同资料回归模型拟合优度进行比较；而估计标准误差是有计量单位的，又没有确定的取值范围，不便于对不同资料回归模型拟合优度进行比较。

但是，估计标准误差在回归分析中仍然是一个重要的指标，因为它还是用自变量估计因变量时确定置信区间的尺度，用X对Y进行估计的置信区间为：

(5.12)

因此，可以推断有68.27%的Y落在Y±1SXY以内，有95.45%的Y落在Y±2SXY以内，有99.73%的Y落在Y±3SXY以内。这是在大样本条件下的区间估计。如果样本n<30，就要用 t 分布来确定置信区间，在给定置信度 1 - a时，Y的某一数值的置信区间为：

(5.13)

其中ta/2(n-2)可查 t 分布表得到，X0为给定的自变量的某一数值。

如例2中： X0=8万件 Y0=150.51万元 SXY =9.77 X=5.04; 当a=0.05时，即以95%的置信度估计，查 t 表得 t0。025(5-2)=3.1824 。则Y的置信区间为：

也即当产量为8万件时，有95%的把握估计生产成本在107.23 ——193.79万元之间。

展开全部

相关系数与估计标准误差的关32313133353236313431303231363533e78988e69d8331333431353336系：估计标准误差Syx与相关系统r在数量上存在着密切关系，Syx和r的变化方向是相反的。

当r越大时，Syx越小，这说明相关密切程度较高，回归直线的代表性较大；当r越小时，Syx越大，这说明相关密切的程度较低，回归直线的代表性较小。

r±1时，Syx=0，说明现象间完全相关，各相关点均落在回归直线上，此时对x的任何变化，y总有一个相应的值与之对应；对r=0时，Syx取得最大值，这说明现象间不存在直线关系。

估计标准误差的值越小，则估计量与其真实值的近似误差越小，但不能认为估计量与真实值之间的绝对误差就是估计标准误差。

扩展资料：

依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数(相关系数的平方称为判定系数)。

将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。

特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。