本文介绍了在统计学中衡量回归模型的两个关键参数：皮尔逊相关系数和决定系数（R平方）。皮尔逊相关系数用于度量两个变量间的线性相关性，取值范围在-1到1之间。决定系数表示因变量变异中能被自变量解释的比例。文章还提供了Python代码来计算这两个值，并验证了它们在简单线性回归模型中的应用。
衡量一个回归模型常用的两个参数：皮尔逊相关系数和R平方
一、皮尔逊相关系数
在统计学中，皮尔逊相关系数( Pearson correlation coefficient)，又称皮尔逊积矩相关系数(Pearson product-moment correlation coefficient，简称 PPMCC或PCCs)，是用于度量两个变量X和Y之间的相关(线性相关)，其值介于-1与1之间。
实际可用如下公式进行计算：
若大于0，表示正向相关，小于0，表示负向相关，等于0，表示不相关
二、决定系数：R平方值
定义：反应因变量的全部变异能通过回归关系被自变量解释的比例。
特别的对于简单线性回归模型时：
其中
(Sum square regression)表示所有预测值与平方值的变异量，
(Sum square total)表示所有真实值与平方值的变异量，
(Sum square regression)表示真实值与预测值的变异量
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
