Come calcolare sst, ssr e sse in r
Utilizziamo spesso tre diversi valori di somma dei quadrati per misurare quanto bene una linea di regressione si adatta effettivamente a un set di dati:
1. Somma dei quadrati totali (SST) – La somma dei quadrati delle differenze tra i singoli punti dati (y i ) e la media della variabile di risposta ( y ).
- SST = Σ(y i – y ) 2
2. Regressione della somma dei quadrati (SSR) – La somma dei quadrati delle differenze tra i punti dati previsti (ŷ i ) e la media della variabile di risposta ( y ).
- SSR = Σ(ŷ i – y ) 2
3. Errore della somma dei quadrati (SSE) – La somma dei quadrati delle differenze tra i punti dati previsti (ŷ i ) e i punti dati osservati (y i ).
- SSE = Σ(ŷ i – y i ) 2
Il seguente esempio passo passo mostra come calcolare ciascuno di questi parametri per un dato modello di regressione in R.
Passaggio 1: creare i dati
Innanzitutto, creiamo un set di dati contenente il numero di ore studiate e i punteggi degli esami ottenuti per 20 studenti diversi in un determinato college:
#create data frame df <- data. frame (hours=c(1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 6, 7, 7, 8), score=c(68, 76, 74, 80, 76, 78, 81, 84, 86, 83, 88, 85, 89, 94, 93, 94, 96, 89, 92, 97)) #view first six rows of data frame head(df) hours score 1 1 68 2 1 76 3 1 74 4 2 80 5 2 76 6 2 78
Passaggio 2: adattare un modello di regressione
Successivamente, utilizzeremo la funzione lm() per adattare un semplice modello di regressione lineare utilizzando il punteggio come variabile di risposta e le ore come variabile predittrice:
#fit regression model model <- lm(score ~ hours, data = df) #view model summary summary(model) Call: lm(formula = score ~ hours, data = df) Residuals: Min 1Q Median 3Q Max -8.6970 -2.5156 -0.0737 3.1100 7.5495 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 73.4459 1.9147 38.360 < 2nd-16 *** hours 3.2512 0.4603 7.063 1.38e-06 *** --- Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 4.289 on 18 degrees of freedom Multiple R-squared: 0.7348, Adjusted R-squared: 0.7201 F-statistic: 49.88 on 1 and 18 DF, p-value: 1.378e-06
Passaggio 3: calcolare SST, SSR e SSE
Possiamo utilizzare la seguente sintassi per calcolare SST, SSR e SSE:
#find sse sse <- sum (( fitted (model) - df$score)^2) sse [1] 331.0749 #find ssr ssr <- sum (( fitted (model) - mean (df$score))^2) ssr [1] 917.4751 #find sst sst <- ssr + sse sst [1] 1248.55
Le metriche risultano essere:
- Somma totale dei quadrati (SST): 1248,55
- Regressione della somma dei quadrati (SSR): 917.4751
- Errore somma dei quadrati (SSE): 331.0749
Possiamo verificare che SST = SSR + SSE:
- SST = SSR + SSE
- 1248.55 = 917.4751 + 331.0749
Possiamo anche calcolare manualmente l’ R quadrato del modello di regressione:
- R al quadrato = SSR/SST
- R al quadrato = 917,4751 / 1248,55
- R al quadrato = 0,7348
Questo ci dice che il 73,48% della variazione dei punteggi degli esami è spiegabile con il numero di ore studiate.
Risorse addizionali
È possibile utilizzare i seguenti calcolatori per calcolare automaticamente SST, SSR e SSE per qualsiasi linea di regressione lineare semplice:
Calcolatore SST
Calcolatore RSS
Calcolatore ESS