MARS^® 回归中归因于最大残差的误差百分比统计量

表的每一行都显示给定残差百分比的误差统计量。来自最大残差的均方误 (MSE) 的百分比通常高于其他两个统计量的百分比。MSE 在计算中使用误差的平方，因此最极端的观测值通常对统计量的影响最大。MSE 的误差百分比与其他两个度量之间的较大差异可能表明模型对使用 R 平方准则或平均绝对偏差准则选择基函数更敏感。

使用验证技术时，结果包括训练数据和测试数据的单独统计信息。您可以比较这些统计量，检查模型在训练数据和新数据上的相对性能。检验统计量通常能够更好地衡量模型对新数据的执行效果。

一种可能的模式是，一小部分残差涉及很大一部分的数据误差。例如，在下表中，数据集的总大小约为 4400。从MSE的角度来看，这表明1%的数据约占误差的13%。在这种情况下，导致模型产生大部分误差的 31 个案例自然最能改进树。如果能找到一种方法来改善这些案例的拟合，则模型的整体性能会有相对较大的提高。

此条件还指示模型中案例误差不是最大的节点的置信度更高。由于大多数误差来自于少数案例，因此其他案例的拟合相对而言更准确。