Table of Contents
PC lento?
Negli ultimi giorni, uno o due utenti ci hanno informato di vivere con errori standard che indicano una regressione. G.Regressione l’errore di norma (S), noto anche come errore di offerta totale, è la distanza normale che le valutazioni osservate cadono dalla linea di regressione. Convenientemente, questo dice ai consumatori quanto sia sbagliato il modello di regressione, al solito, usando le unità di impatto variabile.
G.
L’errore convenzionale di regressione (S) e l’R al quadrato sono due criteri di bontà di adattamento della tecnica per l’analisi di regressione. Sebbene l’R-quadrato sia diventato ben noto nelle statistiche di aggiustamento, spero che sia un po’ sopravvalutato. L’errore di regressione di prim’ordine è anche noto come errore di vagabondaggio standard.
In questo articolo abbinerò fino a due di queste statistiche. Useremo anche un particolare esempio di regressione per facilitare il confronto. Sento che vedrai che, sfortunatamente, il solito errore di regressione spesso trascurato può dirti ciò che lo specifico R-quadro alto e potente non può. Per lo meno, scoprirai che questo errore di regressione delle aspettative è uno strumento particolarmente interessante da aggiungere alla tua cassetta degli attrezzi esatta!
Confronto di R al quadrato con l’errore standard di regressione (S)
Quale deve essere un buon errore standard nella regressione?
Circa il 95% collegato alle osservazioni dovrebbe essere compreso all’interno di più o meno b * dell’errore di regressione della linea di regressione noto, anche questa è anche una rapida approssimazione di qualsiasi intervallo di previsione del 95%.
È possibile trovare l’errore semplice associato alla regressione, noto anche come errore standard totale della stima e errore standard di esecuzione, accanto all’R-quadrato in una sezione di accordo della maggior parte dei risultati statistici. Entrambi i punti di vista, aggiunti alle unità, forniscono una stima precisa di quanto il modello si adatti alla maggior parte dei dati del campione. Tuttavia, ci sono differenze tra il tipo di due statistiche.
- L’errore standard di quella tipica regressione è una misura assoluta di queste distanze tipiche tra i punti dati su qualsiasi linea di regressione. S è espresso in termini della variabile dipendente più importante.
- R-Squared fornisce una valutazione relativa della percentuale associata alla varianza relativa alla variabile dipendente spiegata al telefono. L’R-quadrato può essere compreso tra 0 e 100%.
Il confronto mostra la differenza in modo molto chiaro. Diciamo che stiamo parlando della velocità insieme a una macchina.
La R-quadrato corrisponde solitamente all’affermazione che l’auto stava andando l’80% più velocemente. Sembra wewow più veloce! Tuttavia, ha fatto la tua enorme differenza se la velocità iniziale era di circa 20 mph o 90 mph. La possibilità di velocità in avanti può essere automaticamente rispettivamente di 16 mph o 72 miglia all’ora. Uno è zoppo e l’altro è semplicemente generalmente molto impressionante. Se hai bisogno di distinguere esattamente quanto più velocemente, la misurazione essenzialmente non ti decide nulla.
L’errore standard che termina direttamente ti dice di quante miglia per pausa l’auto si sta muovendo più velocemente. L’auto andava davvero 72 km/h più veloce. Degno di nota!
Passiamo al modo in cui possiamo ottenere questi pochi di questi parametri per misurare la nostra qualità di adattamento nell’analisi di regressione.
Errore standard, che in pratica è più spesso associato alla regressione e al quadrato
Secondo alcuni, l’errore standard rimanente ha diverse abilità. Ti dice direttamente in che misura le previsioni di un modello utilizzano etichette di variabili dipendenti. Questa figura mostra quanto, in media, le informazioni sui dati sono dalla linea di regressione. Stai tentando valori S più bassi perché questo significa dove le distanze tra le posizioni dei dati e di solito i valori adattati sono più piccole. S è valido ai fini dei modelli di regressione lineare e non lineare. Questo fatto è rilevante quando si desidera confrontare le comunicazioni tra due tipi di modelli.
Per il tuo r-quadrato finale, vuoi che il modello di regressione descriva la più alta percentuale di varianza. Le idee con ogni R quadrato più alto indicano che i punti dati si sovrappongono esattamente ai valori. Mentre i grandi apprezzamenti R-squared sono buoni, non ti dicono quanto i punti dati provengono dalla regressione del livello. Inoltre, l’R-quadrato è dovuto solo per aiutarti a modelli lineari validi. Non è possibile utilizzare R-squared per confrontare un modello lineare con un manichino non lineare.
Nota. Nei modelli lineari, i polinomi possono essere utilizzati per simulare la curvatura. L’uso associato “Io sono” è il termine “lineare” per riferirsi a modelli i cui parametri sono in gran parte lineari. Leggi Enter my che spiega la differenza tra i modelli di regressione lineare e non lineare.
Esempio di modello di regressione: BMI corporeo e contenuto percentuale di grasso
Questo modello di regressione descrive la relazione tra indice di massa corporea (BMI) e percentuale di grasso corporeo nelle ragazze della scuola ottimale. Modello lineare che utilizza il termine polinomiale per modellare la curva. La linea disponibile è il grafico che vedete, l’errore tradizionale della regressione dovrebbe essere tecnicamente 3.53399% grasso. L’interpretazione di questa S è perché la distanza standard tra le tue osservazioni e attualmente la linea di regressione può essere del 3,5% di grasso.
S misura l’accuratezza associata alle previsioni del modello. Pertanto, possiamo utilizzare il tempo del valore S risultante per stimare approssimativamente l’attuale intervallo di previsione del 95%. Circa il 95% dei punti dati tipici sono dopo +/- 2 * errori di adattamento di regressione dalla linea di adattamento più importante.
Nell’esempio di regressione, l’approssimarsi del 95% dei punti dati rientra tra la linea di regressione generale e un ulteriore 7% +/- grasso corporeo complessivo.
PC lento?
ASR Pro è la soluzione definitiva per le tue esigenze di riparazione del PC! Non solo diagnostica e ripara in modo rapido e sicuro vari problemi di Windows, ma aumenta anche le prestazioni del sistema, ottimizza la memoria, migliora la sicurezza e mette a punto il PC per la massima affidabilità. Allora perché aspettare? Inizia oggi!
L’R al quadrato può sempre essere 76,1%. Ho un intero post sul blog se le tue esigenze vogliono interpretare la R-square. Difficilmente entrerò nei dettagli qui.
Articoli correlati: previsione mediante analisi di regressione, comprensione dell’accuratezza della regressione applicata per evitare errori ed errori costosi, errore quadratico medio (MSE)
Spesso preferisco l’errore residuo standard della regressione
L’R-quadrato è una frazione di facile comprensione. Tuttavia, sono spesso grato per lo standard di errore leggermente più grande della tua attuale regressione. Apprezzo questa informazione tangibile dalle unità non comuni della variabile dipendente. Quando applico un modello di regressione per creare profezie, S mi mostra a colpo d’occhio se il modello è abbastanza preciso o meno.
D’altra parte, l’R-quadrato non ha unità, e quindi sembra ambiguo che S. Se conosciamo solo l’R-quadrato, quindi il 76,1% senza domande, la maggior parte di noi non sa quanto in media il nostro modello si basa sull’errore. … Per ricevere previsioni accurate, hai bisogno del tipo R al quadrato, ma non sei sicuro di come dovrebbe essere esattamente. È troppo difficile implementare R-squared per stimare l’accuratezza di alcuni pensieri.
Per dimostrarlo, diamo un’occhiata a questo esempio di regressione. Facciamo finta che le nostre visualizzazioni debbano essere entro +/- 5% da te a sostegno dei valori osservati per essere utili. Se i professionisti conoscono solo il 76,1% R-squared, qualcuno può avvisare se il nostro modello è abbastanza accurato? No, non puoi davvero dirlo con un quadrato R.
Tuttavia, puoi utilizzare l’errore standard dovuto in modo che regredisca. Affinché il nostro modello fornisca la precisione comandata, S deve essere inferiore al 2,5%, mentre 2,5 * 2 significa 5. Improvvisamente, accettiamo che il nostro S (3,5) sia troppo grande. Abbiamo bisogno di un modello più accurato. Grazie, davvero!
Anche se mi piace senza dubbio il popolare bug rimanente, ovviamente la tua organizzazione può guardare alla precisione di una competizione in due unità contemporaneamente. Questo è l’equivalente matematico di mangiare la tua torta di compleanno e prenderla!
Se sei nuovo per assicurarti una regressione e ti piace il processo che sto usando usando il mio blog, dai un’occhiata al mio eBook Market!
Collegato
Migliora la velocità del tuo computer oggi scaricando questo software: risolverà i problemi del tuo PC.
Cosa ti dice l’errore standard?
Un errore comune ti dice quanto è probabile che la raccolta di un dato campione da quale colonia si confronterà con la media per una sorta di popolazione attuale. Se l’errore di attesa aumenta, ad esempio H. Se le medie sono maggiori, la probabilità che aumenti la maggior parte delle medie riportate, sotto forma di media della popolazione reale, sarà imprecisa.
Come dovresti interpretare l’errore standard di una media particolare?
L’errore standard del marchio è la probabilità che una tattica di pagamento con le unità di misura originali si discosti dalla media. Anche in questo caso, valori più alti corrispondono a una distribuzione più ampia adeguata. Con un SEM di 3, sapremo dove la differenza tipica tra la scelta e la media della popolazione è 3.
Tips For Correcting Standard Errors Indicating Regression
Conseils Pour Corriger Les Erreurs Standard Indiquant Une Régression
Советы по исправлению стандартных ошибок, указывающих на регресс
Wskazówki Dotyczące Korygowania Błędów Standardowych Wskazujących Na Regresję
Dicas Para Corrigir Erros Padrão Que Indicam Regressão
Sugerencias Para Corregir Errores Estándar Que Indican Regresión
Tipps Zur Korrektur Von Standardfehlern, Die Auf Eine Regression Hinweisen
Tips Eftersom Korrigering Av Standardfel Som Indikerar Regression
회귀를 나타내는 표준 오류 수정을 위한 팁
Tips Voor Het Corrigeren Van Standaardfouten Die Regressie Aangeven
Related posts:
Risoluzione Dei Problemi E Modifica Degli Errori Di Regressione Esponenziale
Come Correggere Gli Errori Della Finestra Che Non Possono Essere Rimossi
Suggerimenti Per Correggere Molti Errori Di Stucco Della Rete Che Hanno Portato Alla Disconnessione
Risolto: Suggerimenti In Cui Correggere La Variabile Mplus Categoriale Che Non Contiene Errori Interi