线性回归之总离差平方和=回归平方和+残差平方和(TSS = ESS + RSS)及证明 | 您所在的位置:网站首页 › 残差平方和计算公式推导 › 线性回归之总离差平方和=回归平方和+残差平方和(TSS = ESS + RSS)及证明 |
1、TSS 英文全称:Total Sum of Squares, 中文全称:总离差平方和,或者总平方和 数学公式表达: 含义解释:反映了观测真实值
2、 ESS 英文全称:Explained Sum of Squares 中文全称:回归平方和,或者解释平方和 数学公式表达: 含义解释:表示模型估计值
3、RSS 英文全称:Residual Sum of Squares; 中文全称:残差平方和,或者剩余平方和; 数学公式表达: 含义解释:表示观测真实值
这三个量之间有什么关系呢? TSS = ESS + RSS这个等式表明:如果我们使用观测到的真实值,通过线性回归模型对它们进行拟合计算,那么观测到的真实值与真实平均值之间的偏差会表现在模型的两个方面,第一个方面是模型估计值与真实平均值之间的偏差,另一个方面是观测真实值与模型估计值之间的偏差,而且正好是这两个方面的总和。也就是说,总离差平方和因为模型的引入而被分解了。 证明: 上述证明中使用到了最小二乘法求最小值问题。我们知道,在最小二乘法中,有下面这样一个线性回归模型: 我们需要找到线性回归中a和b的值,使得模型估计值与观测真实值误差最小,也就是下面的损失函数值最小: 注意到其实这个损失函数就是残差平方和。使损失函数最小,其实就是求最小值问题,通过求导和结合变量之间的关系,就能得到上述证明过程使用到的满足零点的三个关系式,这里不再累述。
|
CopyRight 2018-2019 实验室设备网 版权所有 |