Re: [問題] 請問一題證明
※ 引述《sandows (仙道群)》之銘言：
: : 有! 很簡單!
: : SST = SSR + SSE for any model includes the constant term.
: : SSE(X1,X2) ≦ SSE(X1) by the definition of least squares.
: ^^^^^^^^^^^^^^^^^^^^^
: 這樣算是什麼定義，我還是不懂
: 因為定義上要minimize SSE, subject to 比較多的variables會佔優勢嗎？
數學式 額外平方合的定義
SSR(X2|X1)=SSR(X1,X2)-SSR(X1)
=SSE(X1)-SSE(X1,X2)
又SSR(X2|X1)>=0
所以SSE(X1)>=SSE(X1,X2)
用想法想
因為用兩個解釋變數X1.X2去解釋Y
所產生的未解釋變異SSE(X1,X2)一定比SSE(X1)來的小
[SSE(X1)指的是用一個解釋變數X1去解釋Y所產生的未解釋變異]
我是這樣想 你用兩個解釋變數X1,X2去解釋Y
當然其不能解釋的變異SSE(X1,X2)一定比較小
用越多解釋變數去解釋Y
假設你用X1,X2,X3.....X100
同時用100個X去解釋Y
所產生的未解釋變異SSE(X1,X2,X3....X100)一定會更小
等號成立是在 當X1已存於模型時
加入X2以後 此解釋變數完全無法降低未解釋變異
不過解釋能力強弱不能直接看X1,X2...的多寡
要看相對的能力 Adj R^2 才是
以上是我的想法 有錯請指正 謝謝
: 我猜的....
: 話說～這一步跟我們印度老師講得完全一樣
: 他是講什麼從minimize包含小集合的大集合
: 會比minimize小集合大....
: 基本上他的英文對我來說是相當有難度啦～～
: 更慘的是每次問完他問題他還會說
: 老子他媽的是統計博士，比你強是天經地義～不要難過....
: 當然他是講英文....也是相當以鼓勵代替責備的語氣....
: 但是每次聽都有相哭的感覺
: 我又何嘗不是在唸博士呢？
: : 可以找找...
: : 給你一個參考答案 (沒有查證, 希望我沒弄錯):
: : ^ ~ 2
: : SSR(X2|X1) = Σ(Y - Y)
: : ^ ~
: : 其中 Y 為較繁模型之 fitted value, Y 為較簡模型之
: : fitted value.
: : 用矩陣來證明其實不難!
: 這些事情等我考完期末可以來做做看
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.128.103.99
※ 編輯: AhowXD 來自: 140.128.103.99 (03/17 17:21)
討論串 (同標題文章)