R线性回归模型构建:残差值回归值预测域置信区间

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R线性回归模型构建:残差值回归值预测域置信区间相关的知识,希望对你有一定的参考价值。

R线性回归模型构建:残差值、回归值、预测域、置信区间

简单线性回归(simple linear-regression)是预测连续变量的最简单,最流行的技术。它的前提假设是:结果与预测变量之间存在线性关系。

线性回归的数学公式可以写成y = b0 + b1*x + e,其中:

  • b0并b1称为回归beta系数参数
    • b0是回归线的截距;是x = 0时y的预测值。
    • b1是回归线的斜率,是与预测变量x相关的回归权重或系数。

e是误差项(也称为残差),是y中可以由回归曲线解释的部分。

下图说明了线性回归模型,其中:

  • 最佳拟合回归线为蓝色
  • 截距(b0)和斜率(b1)以绿色显示
  • 误差项(e)用垂直红线表示

从上面的散点图可以看出,并不是所有的数据点都精确地落在拟合的回归线上。有些点在蓝色曲线的上方,有些在蓝色曲线的下方。总体而言,残余误差(e)的平均值约为零。

残差的平方和称为残差平方和(Residual Sum of Squares&#

以上是关于R线性回归模型构建:残差值回归值预测域置信区间的主要内容,如果未能解决你的问题,请参考以下文章

如何计算 R 中线性回归模型中斜率的 95% 置信区间

R中线性回归模型后的置信区间[关闭]

线性回归t值计算公式

r语言怎么计算回归模型的置信区间

matlab-线性回归

R线性回归模型构建示例