※ 引述《[email protected] (仙道群)》之铭言： > : 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？ 不是 "subject to 比较多 variables", 是可调整的参数 比较多. 想一想 minimize Σ(Yi-μ)^2 μ 与 minimize Σ(Yi - α - βXi)^2 α, β 就清楚了! 後者多了β可以调整, 当然结果不会比前者大。 > 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.... 在一个大集合找最小值, 结果会比在一个它的较小子集找 到的最小值来得小。举个例子: 要买某本书, 在全世界找 最便宜的, 比起在某一地区找最便宜的, 当然前者找到的 不会比後者贵。 > 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？ 加油! > : 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 -- 嗨! 你好! 祝事事如意, 天天 happy! :) 统计专业版, 需要你的支持! :) 无名小站 telnet://wretch.twbbs.org Statistics (统计方法讨论区) 盈月与繁星 telnet://ms.twbbs.org Statistics (统计：让数字说话) 成大计中站 telnet://bbs.ncku.edu.tw Statistics (统计方法及学理讨论区) 交大资讯次世代 telnet://bs2.twbbs.org Statistics (统计与机率) ★本文未经本人同意请勿转载; 回覆请勿全文引用, 请仅留下直接涉及部分。 -- 夫兵者不祥之器物或恶之故有道者不处君子居则贵左用兵则贵右兵者不祥之器非君子 之器不得已而用之恬淡为上胜而不美而美之者是乐杀人夫乐杀人者则不可得志於天下 矣吉事尚左凶事尚右偏将军居左上将军居右言以丧礼处之杀人之众以哀悲泣之战胜以 丧礼处之道常无名朴虽小天下莫能臣侯王若能守之万物将自宾天地相合以降甘露民莫 之令而自均始制有名名亦既有夫亦将知止知止可以不殆譬道之在天 163.15.188.87海 作者在 06/03/17 17:28:35 从 163.15.188.87 修改这篇文章