在上一節(jié)線性回歸內(nèi)容中勿决，我們提到了多元線性回歸
例如下圖中乒躺，左邊是一元線性回歸，右邊是二元線性回歸,中間為體長觀察值的均值低缩。
通過計算R2, 可以得知每一種回歸模型對于體長的解釋程度嘉冒。
但是如何判斷，在回歸模型中咆繁，增加的尾巴長度這個變量讳推，是否會使得體長預(yù)估更為精確呢？
無論是一元回歸玩般，還是多元回歸银觅，我們都可以通過F值計算每一個回歸模型的P值。如果不是很清楚這部分內(nèi)容坏为，可以回顧上一節(jié)線性回歸究驴。
如果將上圖F值公式中，SS(mean)和pmean對應(yīng)體長均值模型數(shù)據(jù)匀伏，SS(fit)和pfit對應(yīng)不同回歸模型的數(shù)據(jù)纳胧。(注意這里的p是指自由度，不是P值)
思考一下帘撰，我們現(xiàn)在獲得回歸模型fit，需要評價一下這個模型的優(yōu)劣万皿。因此摧找，需要將fit同mean做比較。
現(xiàn)在想要評價Multiple regression對比Simple regression的優(yōu)劣牢硅，如何處理呢蹬耘？
OK，如果將SS(mean)/pmean置換為SS(simple)/psimple减余，SS(fit)/pfit置換為SS(mutilple)/pmultiple化漆，我們就可以直接在多元回歸模型和一元回歸模型之間做比較了谭网。
如果R2multiple大于R2simple实束，同時P值小于0.05的話刺洒，那么增加尾巴長度這個變量，對于體長的預(yù)估是有利的怠噪。
申明
本文是根據(jù)StatQuest系列視頻整理而來
已獲得Josh Starmer授權(quán)說明
感謝久久瓊殷不辭辛苦將視頻轉(zhuǎn)載至B站
Permmsion
