刘同学回答（1）
Jenny2020-08-14 09:54:48
Jenny同学你好，R^2=ESS/TSS， ESS表示的是explained sum of squares, TSS表示的是total sum of squares. 这个章节缩写比较多，所以详细给你解释一下这道题来了解一下各个概念。题目要我们求的是correlation coefficient，也就是ρ。在单元线性回归中，ρ^2=R^2. 所以我们可以先求R^2，而TSS已经告诉我们了，是90.625， 还缺少ESS。 但题目中给了SER=1.2，也就是standard error of regression，SER=SQRT(RSS/(N-K-1)), k=1（单元变量）， RSS表示的是residual sum of squares 并且 RSS+ESS=TSS. 所以我们可以求得RSS=1.2^2*（60-1-1）=83.52；那么ESS=90.625-83.52=7.105. 从而可得R^2=7.105/90.625=0.0784. 又因为ρ^2=R^2，ρ=sqrt（R^2）=sqrt（0.0784）=0.28.
- 评论（0）
- 追问（4）
- 追问
-
我明白了 问题出在ser身上，ser等于残差项的方差开方，可是为什么呢？残差项方差可以写作
rss 还可以写作sse, ser 是sum square of regression啊。
- 追答
-
同学你好，SER是standard error of the regression而不是sum square哦，字面意思上来说它是回归方程的标准误。标准误可以简单理解为样本估计值（随机变量）和均值之间的差异，而对回归方程的标准误说，难道要求整个回归方程和方程均值的差异吗？这是说不通的，因为一个整个方程哪来的均值，更多的方程里每个系数的均值。所以回归方程的标准误，更确切来说是体现在里所有估计系数和它们均值的差异上。然后再回归到OLS最基本的思想上。OLS是通过最小二乘法来得到估计系数，也就是让残差部分最小。换句话来说，在OLS中，没有被解释的residual部分就是会影响整个OLS的估计系数。所以se of residual其实也就衡量了se of regression。当然，这部分内容并不在教材范围内，只是基于我本人的理解，可以参考一下。这部分的内容只需要记住SER等于残差项平方除以n-k-1再开方就可以了，既然SER就是这么定义的，那直接记一下就好。
- 追问
-
又是直接记一下。。。行行行。。。
- 追答
-
同学你好，让你直接记忆是因为现在原版书里对SER这个知识点已经没有太多的讲解了。直接记忆是性价比最高的，而且这部分知识点的讲解前面也覆盖到了。只是这部分内容不在官方教材范围内，我也不方便过多展开。希望你能理解一下。
评论
0/1000
追答
0/1000
+上传图片