R^2是在算迴歸模型中，自變數對應變數變異的解釋能力 因此你用70% data估計出迴歸參數後，算出來的R^2當然是用原本 70%的data去算出來的，你不能再拿另外30%data帶入去算R^2，那沒有 意義，要有意義的話，就是在用剩下30%的data再去估計出另一條回歸式 跑出來的R^2才是有意義的。 你也可以去看一下R^2的公式，他所帶入的實際資料一定就是估計出參數的那些資料 而不是另外在代資料 ※ 引述《musicmen ()》之銘言： : 如果是跟統計軟體有關請重發文章 : 如果跟論文有關也煩請您重發文章 : 文章類別是為了幫助大家搜尋資料與解答，造成不便之處請見諒 : 請各位幫忙, 想請教一個問題, 小弟統計真的很嫩 : 我在做multiple regression的model : y = a0*x0 + a1*x1 + a2*x2 (a0 這項基本上就是intercept ) : 我把data 分作70% and 30% : 利用70%的data去算a1和a2和intercept這些參數 : 算出來之後, R^2大概平均是0.12這樣 : 然後我把剩下的30%data套用算出來的參數, 然後再計算R^2 : 我用的是 residual = y - a*x (a = [a0 a1 a2], x是對應的矩陣) : SSerr = sum(residual.^2) : SStot = sum((y - mean(y)).^2) : R^2 = 1 - (SSerr / SStot) 是負的, 因為 SSerr> SStot : 為什麼會這樣呢? 為什麼在70%的data裡面 R^2就可以算的出來 : 而30%的data得到負的結果, 我看了一下數據, 也就是說 : y-mean(y) 的預測要比 model來的好.. 是不是我有弄錯的地方？ --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.112.110.233