确定系数(R角)表示响应变量的比例变化量y由独立变量解释X在线性回归模型中。R线被越大,线性回归模型解释了越改率。
R角是模型解释的总线总和的比例。rsquared.
,拟合型号的属性,是一个有两个领域的结构:
普通的
- 普通(不调整)R角
调整
- 为系数的数量进行调整
上交所是平方误差的总和,苏维埃社会主义共和国是平方回归的总和,风场是平方的总和,N是观察人数,和P.是回归系数的数量。注意P.包括截距,例如,P.线性配合是2。因为R断层随着回归模型中添加的预测变量增加而增加,所以调整后的R方向调整模型中的预测变量的数量。这使得它更有用来将模型与不同数量的预测器进行比较。
获得拟合模型后,说,MDL.
, 使用Fitlm.
或步骤行程
,您可以通过使用点表示法索引属性来获得作为标量的r -平方值,例如,
mdl.rsquared.ordinary mdl.rsquared.Adjusted.
您还可以使用具有相同名称的属性获取SSE,SSR和SST。
mdl.sse mdl.ssr mdl.sst.
这个例子展示了如何显示r -平方(决定系数)和调整后的r -平方。加载样例数据并定义响应和独立变量。
加载医院y =医院。伯化压力(:,1);x =双(医院(:,2:5));
适合线性回归模型。
mdl = fitlm(x,y)
MDL =线性回归模型:Y〜1 + x1 + x2 + x3 + x4估计系数:估计se tstat pvalue _________ ____________________________0.016685 0.055714 -0.29947 0.76524 x4 9.884 1.0406 9.498 1.9546E-15观察数:100,误差自由度:95根均匀误差:4.81 r断层:0.508,调整r断层:0.487 f统计与恒定模型:24.5,p值= 5.99e-14
R线和调节的R线值分别为0.508和0.487。模型解释了响应变量中的差异的约50%。
使用安装的属性访问R线和调整的R线值linearmodel.
对象。
mdl.rsquared.ordinary.
ans = 0.5078
mdl.rsquared.adjusted.
ans = 0.4871.
调整后的R线值小于普通的R线值。
Anova.
|Fitlm.
|linearmodel.
|步骤行程