在线词典

残差平方和怎么计算

更新日期:2026-11-12 11:13:04

标题残差平方和怎么计算
内容

在统计学与回归分析中,残差平方和(Sum of Squared Residuals, SSR) 是衡量模型拟合程度的重要指标之一。它表示实际观测值与模型预测值之间的差异的平方和,是评估模型准确性的一个关键参数。

一、什么是残差平方和?

残差(Residual) 是指实际观测值与模型预测值之间的差值。用数学表达式表示为:

$$

e_i = y_i - \hat{y}_i

$$

其中:

- $ y_i $ 表示第 $ i $ 个观测值的实际值;

- $ \hat{y}_i $ 表示第 $ i $ 个观测值的预测值;

- $ e_i $ 表示第 $ i $ 个残差。

残差平方和(SSR) 就是所有残差的平方之和,即:

$$

SSR = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2

$$

二、如何计算残差平方和?

步骤如下:

1. 收集数据:包括实际观测值 $ y_i $ 和模型预测值 $ \hat{y}_i $。

2. 计算每个点的残差:$ e_i = y_i - \hat{y}_i $。

3. 对每个残差进行平方:$ e_i^2 $。

4. 将所有平方残差相加:得到残差平方和 $ SSR $。

三、残差平方和的意义

- 越小越好:残差平方和越小,说明模型对数据的拟合程度越高。

- 用于模型比较:在多个模型之间,可以选择残差平方和较小的模型作为更优选择。

- 与总平方和对比:结合总平方和(SST)和回归平方和(SSR),可以计算出决定系数 $ R^2 $,进一步评估模型解释力。

四、实例演示

观测序号 实际值 $ y_i $ 预测值 $ \hat{y}_i $ 残差 $ e_i = y_i - \hat{y}_i $ 残差平方 $ e_i^2 $
1 5 4 1 1
2 7 6 1 1
3 9 8 1 1
4 10 11 -1 1
5 12 12 0 0

残差平方和计算:

$$

SSR = 1 + 1 + 1 + 1 + 0 = 4

$$

五、总结

残差平方和是回归分析中的一个重要指标,用来衡量模型对数据的拟合程度。其计算过程简单明了,但结果直接影响对模型效果的判断。通过降低残差平方和,可以提升模型的预测精度和可靠性。

项目 内容
定义 实际值与预测值之差的平方和
公式 $ SSR = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 $
意义 反映模型拟合优度,越小越好
应用 模型比较、评估、优化
随便看