: > 有没有别的证法啊 : 有! 很简单! : SST = SSR + SSE for any model includes the constant term. : SSE(X1,X2) ≦ SSE(X1) by the definition of least squares. ^^^^^^^^^^^^^^^^^^^^^ 这样算是什麽定义，我还是不懂 因为定义上要minimize SSE, subject to 比较多的variables会占优势吗？ 我猜的.... 话说～这一步跟我们印度老师讲得完全一样 他是讲什麽从minimize包含小集合的大集合 会比minimize小集合大.... 基本上他的英文对我来说是相当有难度啦～～ 更惨的是每次问完他问题他还会说 老子他妈的是统计博士，比你强是天经地义～不要难过.... 当然他是讲英文....也是相当以鼓励代替责备的语气.... 但是每次听都有相哭的感觉 我又何尝不是在念博士呢？ : 可以找找... : 给你一个参考答案 (没有查证, 希望我没弄错): : ^ ~ 2 : SSR(X2|X1) = Σ(Y - Y) : ^ ~ : 其中 Y 为较繁模型之 fitted value, Y 为较简模型之 : fitted value. : 用矩阵来证明其实不难! 这些事情等我考完期末可以来做做看 -- 仙道家训 道貌岸然背仁义 笑里藏刀工心机 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 69.241.231.73