Matlab计算决定性系数（拟合优度）R2

您所在的位置：网站首页 › matlab组合数函数系数太大不精确怎么办 › Matlab计算决定性系数（拟合优度）R2

Matlab计算决定性系数（拟合优度）R2

#Matlab计算决定性系数（拟合优度）R2| 来源: 网络整理| 查看: 265

1 定义

决定系数（coefficient of determination），也称为拟合优度（goodness of fit）。

决定系数反应了因变量 y y y 的波动有多少百分比能被 x x x 的波动所描述，即表征因变量 y y y 的变异中有多少百分比可由自变量 x x x 来解释。

2 如果用不同的线型拟合散点，则 R 2 R^2 R2是会随着变化的，因此要深刻理解公式

【提前提示】

拟合优度数值越大，说明自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。散点在回归直线（注意这里并不一定是1:1线）附近越聚集，一般认为 R 2 R^2 R2 > 0.8 时，拟合效果较好！对于上述回归直线，其可以是通过线性拟合得到的直线或曲线，也可以是自己指定的某一条线（如1:1线）。因此，如果是对线性拟合得到的直线求 R 2 R^2 R2, 则表明该回归直线对散点的拟合程度。如果是对1:1线进行求 R 2 R^2 R2，可以反映观测值和模拟值的接近程度（这有些类似于相关系数CC的特性）。 2.1 求 R 2 R^2 R2的通用公示（网上搞的太乱了，满天飞）

在这里插入图片描述

3 Matlab 实现（以线性拟合为例）

在这里插入图片描述

% 创建样本 x = 1:100'; data = x + 50*rand(1, 100); % 拟合线性回归模型, mdl = fitlm(x, data) mdl = Linear regression model: y ~ 1 + x1 Estimated Coefficients: Estimate SE tStat pValue ________ ________ ______ __________ (Intercept) 24.751 2.8809 8.5912 1.3673e-13 x1 1.0266 0.049528 20.727 1.334e-37 Number of observations: 100, Error degrees of freedom: 98 Root Mean Squared Error: 14.3 R-squared: 0.814, Adjusted R-Squared 0.812 F-statistic vs. constant model: 430, p-value = 1.33e-37 >> mdl.Rsquared.Ordinary ans = 0.8143

【注意】上面通过Matlab自带的线性拟合工具，可以得到一阶线性或者高阶非线性的拟合曲线，和该线的对于样本的拟合优度。通过查看 mdl 对象的属性可以找到 R 2 R^2 R2 = 0.8143, 注意，这里计算的是对最优回归线的，并不是1:1线的！，不信化，你看下面。

通过使用polyfit 函数可以对线性拟合直线进行检验，如下：

>> P = polyfit(x, data, 1); >> P P = 1.0266 24.7510

这两个参数就是ax+b的a和b，和上面计算的结果Estimate一致！

致谢知乎 “十一” 提供灵感 https://zhuanlan.zhihu.com/p/108464743

【本文地址】

Matlab计算决定性系数（拟合优度）R2

Matlab计算决定性系数（拟合优度）R2

今日新闻

推荐新闻