解释平方和(ESS)或回归平方和或模型平方和是用于过程建模的统计量。ESS给出了模型对该过程观测数据的解释程度的估计。
它告诉我们所提出的模型解释了观测数据和预测数据之间的多少变化。在数学上,它是预测数据和平均数据之间的差的平方和。
让y我=一个+b1x1我+b2x2我+……+ε我为回归模型,其中:
y我是我th观察响应变量
x霁是我th观察jth解释变量
一个而且b我是系数
我索引从1到的观测值n
ε我是我th错误项的值
然后
这通常用于回归模型。将建模值的变化与观测数据的变化(总平方和)和建模误差的变化(残差平方和)进行对比。该比较结果由ESS给出,如下式:
ESS =总平方和-剩余平方和
一般来说,ESS值越高,说明模型能解释的变异量越大,因此模型越好。
因此,本文总结了解释平方和(ESS)的定义及其概述。
这篇文章是由业务概念小组.它已由MBA Skool团队审查和发表。beplay.888MBA Skool的内容仅用于beplay.888教育和学术目的。
浏览更多类似术语的定义和含义。《管理词典》涵盖了5类2000多个业务概念。
继续阅读: