• 1.摘要
  • 2.基本信息
  • 3.公式概念
  • 4.计算
  • 5.性质
  • 6.分布
  • 7.参考资料

残差平方和

线性模型中衡量模型拟合程度的一个量

残差平方和是在线性模型中衡量模型拟合程度的一个量,用连续曲线近似地刻画或比拟平面上离散点组,以表示坐标之间函数关系的一种数据处理方法。用解析表达式逼近离散数据的一种方法。在科学实验或社会活动中,通过实验或观测得到变量x与y的一组数据对(xₑ,yₑ)(e=1,2,…ə),其中各xₑ是彼此不同的 。人们希望用一类与数据的背景材料规律相适应的解析表达式,y=f(x,c)来反映变量x与y之间的依赖关系,即在一定意义下“最佳”地逼近或拟合已知数据。f(x,c)常称作拟合模型 ,式中c=(c₁,c₂,…cₔ)是一些待定参数1

基本信息

  • 中文名

    残差平方和

  • 外文名

    residualsumofsquares/sumsquaredresidual

  • 简称

    SSRRSS

  • 所属学科

    数理科学

  • 用途

    衡量模型拟合程度

公式概念

为了明确解释变量和随机误差各产生的效应是多少,统计学上把数据点与它在回归直线上相应位置的差异称为残差,把每个残差平方之后加起来 称为残差平方和,它表示随机误差的效应。一组数据的残差平方和越小,其拟合程度越好。

计算

按定义,残差平方和应为2

等精度测量:

imageimage

非等精度测量:

imageimage

式中image是测量数据image的残差,image为相应的权。在一般情况下

式中,image为直接测量参数的估计值。

对于线性参数,残差为

式中image

用矩阵形式表示的残差平方和为

image﹞=image

线性参数测量数据的残差平方和可进一步写成

image(对等精度测量)

image(对非等精度测量)