※ 引述《chibamo (机掰毛)》之铭言： : ※ 引述《Natenie (Natenie)》之铭言： : : 大家好~我想请教一个问题 : : 有关回归的R-square(校正後)值 到底重要吗 : : 我跑了一个model 发现R-square值才0.06左右 : : 有的老师很介意 但又有老师表示R-square值不重要 : : 我很疑惑 : : 谢谢大家~~ : R-square你可以把他想像成correlation coefficient : 它衡量的是y与你的一堆x之间线性相关的程度 只有简单回归 才会跟x与y的相关程度有关系 : 所以那麽低肯定代表model是有问题的... 没错 因为R-square代表了变异被解释的程度 (总变异被解释的比例) 变异简单来说就是不确定的部分 没有被解释的部分越多fit的当然越不好 而且只解释了0.06也太低了.. 我看过的实证论文再怎麽样低也有做到0.4多 0.5 : 也许关系不是线性，也许是时序资料 是不是线性都无所谓 反正就是变异被解释的程度 若不是线性就是非线性的model解释变异的程度 都无所谓 : 你可以试着画一下scatter plot或用无母数的additive model画一下图 可以用model做出来的估计值跟原始值在同一张图上画scatter plot 看看估计的结果差异大不大 : R-square不是那麽重要的原因是不同资料或model的值无法互相比较 : 就算有考虑变数个数做adjust之後还是不能比 对同样的资料是可以比的 就看哪个模型解释的程度比较好 不过2种指标相比adjust的比较好 因为可以比较自变数的边际效用 而R-square参数加越多就会越大 所以永远会选到自变数最多的模型 但是模型还有很多特性要考虑啦 比如说原始资料的自相关性啦等等.. 所以要看你focus的点在哪 也不见得是adjust R-square最大的就是最好的model : 但是不代表值那麽低没有问题ˋ(′_‵||)ˊ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.110.193 ※ 编辑: lbbear 来自: 140.112.110.193 (01/18 16:46) ※ 编辑: lbbear 来自: 140.112.110.193 (01/18 16:47)