Мы часто используем три разных значения суммы квадратов , чтобы измерить, насколько хорошо линия регрессии действительно соответствует набору данных:
1. Общая сумма квадратов (SST) – сумма квадратов разностей между отдельными точками данных (y i ) и средним значением переменной ответа ( y ).
- SST = Σ(y i – y ) 2
2. Регрессия суммы квадратов (SSR) – сумма квадратов разностей между прогнозируемыми точками данных (ŷ i ) и средним значением переменной ответа ( y ).
- SSR = Σ(ŷ i – y ) 2
3. Ошибка суммы квадратов (SSE) – сумма квадратов разностей между предсказанными точками данных (ŷ i ) и наблюдаемыми точками данных (y i ).
- SSE = Σ(ŷ i – y i ) 2
В следующем пошаговом примере показано, как рассчитать каждую из этих метрик для заданной регрессионной модели в R.
Шаг 1: Создайте данные
Во-первых, давайте создадим набор данных, который содержит количество часов обучения и экзаменационные баллы, полученные для 20 разных студентов в определенном колледже:
#create data frame
df <- data.frame(hours=c(1, 1, 1, 2, 2, 2, 2, 2, 3, 3,
3, 4, 4, 4, 5, 5, 6, 7, 7, 8),
score=c(68, 76, 74, 80, 76, 78, 81, 84, 86, 83,
88, 85, 89, 94, 93, 94, 96, 89, 92, 97))
#view first six rows of data frame
head(df)
hours score
1 1 68
2 1 76
3 1 74
4 2 80
5 2 76
6 2 78
Шаг 2: Подгонка регрессионной модели
Далее мы будем использовать функцию lm() , чтобы подобрать простую модель линейной регрессии, используя счет в качестве переменной ответа и часы в качестве переменной-предиктора:
#fit regression model
model <- lm(score ~ hours, data = df)
#view model summary
summary(model)
Call:
lm(formula = score ~ hours, data = df)
Residuals:
Min 1Q Median 3Q Max
-8.6970 -2.5156 -0.0737 3.1100 7.5495
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 73.4459 1.9147 38.360 < 2e-16 \*\*\*
hours 3.2512 0.4603 7.063 1.38e-06 \*\*\*
---
Signif. codes: 0 ‘\*\*\*’ 0.001 ‘\*\*’ 0.01 ‘\*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 4.289 on 18 degrees of freedom
Multiple R-squared: 0.7348, Adjusted R-squared: 0.7201
F-statistic: 49.88 on 1 and 18 DF, p-value: 1.378e-06
Шаг 3: Рассчитайте SST, SSR и SSE
Мы можем использовать следующий синтаксис для вычисления SST, SSR и SSE:
#find sse
sse <- sum (( fitted (model) - df$score)^2)
sse
[1] 331.0749
#find ssr
ssr <- sum (( fitted (model) - mean (df$score))^2)
ssr
[1] 917.4751
#find sst
sst <- ssr + sse
sst
[1] 1248.55
Получаются следующие показатели:
- Общая сумма квадратов (SST): 1248,55
- Сумма квадратов регрессии (SSR): 917,4751
- Ошибка суммы квадратов (SSE): 331,0749
Мы можем убедиться, что SST = SSR + SSE:
- SST = SSR + SSE
- 1248,55 = 917,4751 + 331,0749
Мы также можем вручную рассчитать R-квадрат регрессионной модели:
- R-квадрат = SSR / SST
- R-квадрат = 917,4751/1248,55
- R-квадрат = 0,7348
Это говорит нам о том, что 73,48% различий в экзаменационных баллах можно объяснить количеством часов обучения.
Дополнительные ресурсы
Вы можете использовать следующие калькуляторы для автоматического расчета SST, SSR и SSE для любой простой линии линейной регрессии: