隨著解釋變數個數的增加而減少，至少不會增加，但是由增加解釋變數個數引起 的可決係數的增大與擬合好壞無關，因此在多元迴歸模型之間比較擬合優度，可 決係數就不是一個合適的指標，必須加以調整 3.4 可決係數是迴歸解釋變數數的非減函式 也就是說引入的解釋變數越多 可 決係數可能會更高, 但是並不是每個解釋變數都有效的. 為了獲得更加精簡的模 型, 修正可決係數, 對引入的解釋變數個數進行懲罰. 換而言之, 每引入一個解 釋變數 首先會降低修正可決係數. 如果這個解釋變數contribute to explaining 被解釋變數, 那麼會增加修正可決係數, 最終的影響是降低和增加的共同結果; 可決係數不變或增加一點點. F 檢驗是聯合檢驗. H0 是所有的解釋變數係數為零, 也就是說否定H0 只能說明 所有的解釋變數中至少有一個有貢獻. 但是可以聯合檢驗一部分, 比如檢驗(x2, x3, x4) 檢驗結果如果是無法否定H0, 而x1 是有用的, 那麼修正可決係數在x1 最高 引入x2..x4 都會降低修正可決係數 模型的解釋能力 而修正可決係數則是一個動態的指標 用來判斷是否增加或者 捨棄一個解釋變數 3.6 F 檢驗是聯合檢驗 判斷所有解釋變數中是否至少有一個具有解釋能力 而t
隨著解釋變數個數的增加而減少，至少不會增加，但是由增加解釋變數個數引起 的可決係數的增大與擬合好壞無關，因此在多元迴歸模型之間比較擬合優度，可 決係數就不是一個合適的指標，必須加以調整 3.4 可決係數是迴歸解釋變數數的非減函式 也就是說引入的解釋變數越多 可 決係數可能會更高, 但是並不是每個解釋變數都有效的. 為了獲得更加精簡的模 型, 修正可決係數, 對引入的解釋變數個數進行懲罰. 換而言之, 每引入一個解 釋變數 首先會降低修正可決係數. 如果這個解釋變數contribute to explaining 被解釋變數, 那麼會增加修正可決係數, 最終的影響是降低和增加的共同結果; 可決係數不變或增加一點點. F 檢驗是聯合檢驗. H0 是所有的解釋變數係數為零, 也就是說否定H0 只能說明 所有的解釋變數中至少有一個有貢獻. 但是可以聯合檢驗一部分, 比如檢驗(x2, x3, x4) 檢驗結果如果是無法否定H0, 而x1 是有用的, 那麼修正可決係數在x1 最高 引入x2..x4 都會降低修正可決係數 模型的解釋能力 而修正可決係數則是一個動態的指標 用來判斷是否增加或者 捨棄一個解釋變數 3.6 F 檢驗是聯合檢驗 判斷所有解釋變數中是否至少有一個具有解釋能力 而t