详细解读回归分析结果 | 您所在的位置:网站首页 › famamacbeth回归结果怎么看 › 详细解读回归分析结果 |
操作工具容易,解读结果难,今天跟大家总结一下Excel回归分析的结果应该怎么看,有误之处也欢迎各位小伙伴指正。 补充一句,Excel只能做线性回归,本篇的讨论也是在这个条件的基础上进行的,好了,闲话不多说,直接上结果吧。 表1: MultipleR:相关系数R,值在-1与1之间,越接近-1,代表越高的负相关,反之,代表越高的正相关关系。 RSquare:测定系数,也叫拟合优度。是相关系数R的平方,同时也等于表2中回归分析SS/(回归分析SS+残差SS),这个值在0~1之间,越大,代表回归模型与实际数据的拟合程度越高。 AdjustedR Square:校正的测定系数,对两个具有不同个数的自变量的回归方程进行比较时,还必须考虑方程所包含的自变量个数的影响,为此提出,所谓“最优”回归方程是指校正的决定系数最大者。(该释义来自百度百科)由于小编没有碰到过这种情况,所以还不知道该值的实际作用。 标准误差:等于表2中残差SS /残差df 的平方根。这个与测定系数一样都能描述回归模型与实际数据的拟合程度,它代表的是实际值与回归线的距离,当然这个值越小越好,不过具体小到什么程度?由于这个值实在没有范围,因此还很难界定。 观测值:有多少组自变量的意思。 表2: 回归分析df:回归分析模型的自由度,以样本来估计总体时,样本中独立或能自由变化的个数。见上表,数据自由度等于样本组数减1,回归分析模型的自由度是1,即这个回归模型有1个参数,残差自由度等于总自由度减去回归分析模型的自由度。 回归分析SS:回归平方和SSR,等于回归预测Y值(表4)与实际Y均值的平方和。表4 残差等于实际Y值减预测Y值,残差SSE,即表4残差平方和。 MS:均方差,等于SS/df。 F:回归分析MS/残差MS。 SignificanceF:是在显著性水平下的Fα临界值,即F检验的P值,代表弃真概率,这个值一般要小于0.05的,且越小越好,1-本值即为置信度,本例回归模型的置信度未达95%。 表3: InterceptCoefficients:截距的回归值,X Variable 1 Coefficients:斜率的回归值。本例即Y=-0.002641967X+82.26263918。 标准误差不必多说,越小参数精度越高。 tStat:回归系数/标准误差,对于一元线性回归,F值与t值都与相关系数R代表差不多的意思,但是,对于多元线性回归,t检验是有必要的。 P-value:P值不多说,代表两个参数的弃真概率,1-P值是置信度。 Lower95%......:这四列,代表在95%的置信度下,回归系数的上下限。如本例斜率的回归系数,就不落在此区间内。 表4这个好像没什么可讲的。 以上,欢迎补充指正。 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |