请选择您所选的方法或公式。
R-sq
R2 也称为确定系数。
公式
表示法
| 项 | 说明 |
|---|---|
| yi | 第 i 个观测响应值 |
 | 平均响应 |
 | 第 i 个拟合响应 |
SS
距离平方和。SS 回归是由模型解释的变异的一部分。SS 误差是不由模型解释的部分，属于误差。SS 合计是数据中的总变异。
公式
SS 回归：
SS 误差：
SS 合计：
表示法
| 项 | 说明 |
|---|---|
| yi | 第 i 个观测响应值 |
 | 第 i 个拟合响应 |
 | 均值响应 |
PRESS
预测平方和 (PRESS) 统计量可以评估模型的预测能力。PRESS 类似于残差平方和，是预测误差的平方和。在 PLS 中，只有在您交叉验证模型后，Minitab 才会计算 PRESS。
Minitab 计算 PRESS 的步骤如下所示：
- Minitab 重新计算模型观测值的次数与观测值的个数相同，每次计算会忽略一个不同的观测值。对于每个被忽略的观测值，Minitab 会使用该模型计算拟合或预测响应。
- Minitab 会从观测响应值中减去预测值。所得值为实际预测误差，因为观测值拟合与模型无关。
- Minitab 对所有观测值执行此例程后，Minitab 会使用以下公式计算 PRESS：
一般而言，PRESS 值越小，模型的预测能力越强。PRESS 用于计算预测的 R2。
表示法
| 项 | 说明 |
|---|---|
| yi | 观测响应 |
 | 被忽略观测值的拟合响应 |
| n | 观测值数 |
R-sq（预测）
当 R2（预测）的计算可以产生负值时，Minitab 会针对这些情况显示零。
表示法
| 项 | 说明 |
|---|---|
| yi | 第 i 个观测响应值 |
 | 平均响应 |
| n | 观测值个数 |
| ei | 第 i 个残差 |
| hi | X(X'X)–1X' 的第 i 个对角线元素 |
| X | 设计矩阵 |
检验 R 平方
表示 PLS 模型预测检验数据的准确程度。检验 R2 表示响应中由检验数据集中的预测变量解释的变异比率。一般情况下，检验数据用于验证拟合模型，并且所包含的预测变量数必须与原始数据集中的预测变量数相同。只有检验数据包括每个观测值的响应数据时，才能计算检验 R2。检验 R2 的计算方法与使用此公式计算 R2 的方法相同。
