统计-如何读懂线性回归模型的各项指标？

当我们要拟合线性回归模型，有以下三个步骤：

1. 通过最小二乘法，拟合一条直线。
2. 求R^2
3. 求R^2的P值，也就是F值

下面我将一个个分解来讲。

拟合直线：最小二乘法

• 什么是最小二乘法：每个点（图中红点）到拟合直线（图中黑线）的距离最小，即残差值最小，从而得出最优模型。

• 公式：如图中

image.png

求R^2

• 如果你还不知道R^2是什么，怎么求。
  请看https://www.jianshu.com/p/8aefd78be186

求F值

• 如果只有两个点，R^2 必然=1，此时R^2就没有意义了（如图）。

  
  image.png

• 为了解决这个问题，我们引入了衡量R^2 水平的指标，F值。F值告诉我们，R^是否是显著的。公式：

image.png

• 公式的解释：

红圈部分和自由度相关，后期我会具体将这一部分，敬请关注。

image.png

总结：

R ^越大越好（接近1），F值越小越好。

image.png