打印本页内容

方差分析R

 点击:次  发布日期:2019-10-22 14:20    发布人:365bet线上

解释R-sq值时,请考虑以下问题:
当您向模型添加其他预测变量时,R-sq始终会增加。
例如,最佳预测模型5的R-sq始终高于最佳预测模型4。
因此,当比较相同大小的模型时,R-sq更有效。
如果样本量很小,则无法准确估计响应变量与预测变量之间关系的强度。
如果R-sq需要更精确,则应使用更大的样本(通常为40个或更多)。
R-sq仅是模型拟合数据优劣的度量。
即使模型具有较高的R-sq,您仍应检查残差图以确保模型符合模型假设。
R-sq(拟合)是模型解释的响应变化的百分比,并且模型中预测变量的数量相对于观察数量进行了调整。
通过从均方和(MSTotal)减去均方误差(MSE)比来计算调整后的R-sq。
比较不同数量的预测变量时,将使用调整后的R-sq。
当您将预测变量添加到模型中时,即使模型并未真正改善,R-sq也会一直增加。
调整后的R-sq值包括模型中预测变量的数量,以选择正确的模型。
例如,该公司正在调查影响每个包装中碎屑百分比的因素。
添加预测变量将得到以下结果:
第一个模型产生R-sq的50%以上。
第二种模式本身提高了冷却速度。
调整后的R平方增加,表明冷却速率改善了模型。
第三种提高过程温度的模型会增加R-sq,但不会增加调整后的R-sq。
这些结果表明加工温度不能改善模型。
根据这些结果,您可以考虑从模型中删除过程温度。


上一篇:您的中文姓什么?你叫什么

下一篇:没有了