R方<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />假設我們要確定是否是（連續）可以通過其他指標預測（ X1、X2、X3 - 全部連續）。
我們有 31 行的表，每行包含有關 X1、X2、X3 和 Y 的數據。
我們想找出我們應該使用哪些指標作為 Y 的輸入，同時我們想解釋至少 81% 的 Y 變化。
我們擬合模型並查看“擬合摘要”，我們看到 R 平方為 0.9，但它適用於整個模型 X1、X2 和 X3共.
我們如何檢查每個指標的 Y 變化百分比是多少分別地並驗證它確實 > 81%？ 我們應該分別擬合模型 3 次嗎？
IE
1英石用 X1 計時 Y 並檢查 R 方
2 nd用 X2 計時 Y 並檢查 R 方
3 rd用 X3 計時 Y 並檢查 R 方
當我們這樣做時，我們得到：
X1-0.83 的 R 方
X2-0.82 的 R 方
X3-0.09 的 R 方
是不是表示可以使用X1&X2分別地作為 Y 的輸入，並說明所需的 Y 變化百分比？這是一個正確的分析和陳述嗎？
謝謝
拉蒙·巴默
回复：R平方非常感謝 ！！
回复：R平方你好rambam54 ,
你是對的;根據您的結果，X1 和 X2 分別佔樣本數據方差的 81% 以上，因此任何一個都可以作為輸入的候選者。 但是，請記住，樣本 R^2 與所有樣本估計值一樣，會受到抽樣誤差的影響，因此總體中方差的真實比例可能或多或少。 因此，如果您有證據表明您的輸入所佔的方差比例在總體中高於 0.81 是關鍵任務，您可能希望在估計值周圍放置一個置信區間並確保置信區間的下限為t 低於 0.81。 如果您碰巧使用的是 JMP Pro，自舉考慮到您的樣本量，這將是一個很好的方法。或者，計算很簡單（給定通常的參數假設），甚至還有在線統計計算器這將需要簡單的輸入（樣本大小、觀察到的 R^2、預測變量的數量）。 對於您的樣本，回歸到 X1 的 Y 的 R^2 的 95% 界限將是 ~ 0.72 ≤ R2 ≤ 0.93。
我希望這有幫助！
朱利安
