正交回归的拟合值和预测值

预测变量 (X) 的拟合值

预测变量的拟合值可以解释预测变量值中存在的不确定性。

解释

使用预测变量的拟合值研究任何异常残差。如果预测变量的拟合值比观测值大得多或小得多,请调查原因。

响应 (Y) 的拟合值

响应变量的拟合值可以解释响应变量和预测变量中存在的不确定性。

解释

使用响应变量的拟合值研究任何异常残差。如果响应变量的拟合值比观测值大得多或小得多,请调查原因。

残差

残差是观测值与拟合值之间的差分。

解释

检查残差以确定模型对数据的拟合优度。一般而言,残差应当是随机分布的,而且没有明显的模式和异常值。如果某个残差是异常值,则您可以确定残差是否因拟合 X 值、拟合 Y 值或这两个值而异常。

标准化残差

标准化残差等于残差值 (ei) 除以其标准差的估计值。

解释

使用标准化残差帮助您检测异常值。通常,大于 2 且小于 −2 的标准化残差已足够大,可用于研究。

标准化残差很有用,因为原始残差可能不是良好的异常值指示符。每个原始残差的变异因与其关联的 X 值而异。尺度不同使其难以评估原始残差的大小。标准化残差可以通过将不同的变异转换为公共尺度来解决此问题。

预测

预测值是响应变量在预测变量的新设置处的值。

解释

使用预测值估计新响应值。

标准差

预测值的标准差可以度量模型估计新数据的精确度。所有预测值的标准差都相等。

解释

使用预测值的标准差来度量预测的估计值的精确度。标准差越小,预测值越精确。标准差始终为正值。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策