更多关于这个正方形计算器的回归和

一般而言,它的平方和是某个样品的平均值的平方偏差之和。对于简单的数据样本__ xyz_a__,正方形之和（__ xyz_b _）只是：

\[ SS = \displaystyle \sum_{i=1}^n (X_i - \bar X)^2 \]

所以,在线性回归分析的上下文中,正方形的回归总和是什么？好吧,它非常相似。在这种情况下,我们有样本数据\(\{X_i\}\)和\(\{Y_i\}\),其中x是独立变量,y是从属变量。正方形的回归和\(SS_R\)被计算为相对于平均\(bar Y\)的预测值\(\hat Y_i\)的平方偏差和。在数学上：

\[ SS_R = \displaystyle \sum_{i=1}^n (\hat Y_i - \bar Y)^2 \]

计算\(SS_R\)的更简单方式,这导致相同的值是

\[ SS_R = \displaystyle \hat \beta_1 \left( \sum_{i=1}^n X_i Y_i - \frac{1}{n}\left(\sum_{i=1}^n X_i\right)\left(\sum_{i=1}^n Y_i\right) \right)= \hat \beta_1 \times SS_{XY} \]

其他总和的正方形

还有其他类型的平方和。例如,如果您对观察值相对于观察值的预测值的平方偏差感兴趣,那么您应该使用这种剩余的正方形计算器。还有横向产品和正方形,\(SS_{XX}\),\(SS_{XY}\)和\(SS_{YY}\)。

您可以使用这些数据做的其他事情

那么,当你有样本\(\{X_i\}\)和\(\{Y_i\}\)时,你还能做什么？好吧,你可以 计算相关联数量 ,或者您可能想要计算 所有了的的线路回归方程 。