按照书上所说就是:“
若图形存在非线性,则说明你可能对预测变量的函数形式建模不够充分,
那么就需要添加一些曲线成分,比如多项式项,或对一个或多个变量进行变换(如用log(X)代
替X),或用其他回归变体形式而不是线性回归。
”
按照别人的说法就是:看图中的两条线,红色虚线和绿色实线是否接近。接近了就说明模型是线性的(这是在RStudio中做出的成分残差图)。
r语言中残差与回归值的残差图r语言中残差与回归值的残差图_R语言基础-数据分析及常见数据分析方法
weixin_39953102
原创
关注
1点赞·7168人阅读
R表达式中常用的符号
残差(Residuals)
残差是真实值与预测值之间的差,五个分位的值越小模型越精确
系数项与截距项(Coefficients &Intercept)和P值指标
残差标准误(Residual standard error)
残差的标准误差,越小越好
R方判定系数
模型拟合的质量判定指标,取值在0-1之间,值越大越好
Multiple R-squared: 0.991 表示该模型能解释99.1%的数据。
F统计量(F-statistic)
说明模型是否显著,值越小越好,说明模型越显著
判断模型是否适合的一般规则
先看F统计量是否小于0.05,如果小于0.05,再看R方判定系数。
*线性回归(解决一元多次)
回归(regression),通常指那些用一个或多个预测变量,也称自变量或解释变量来预测响应变量,也称为因变量、校标变量或结果变量的方法。
1.回归分析类型