R方<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />假设我们要确定是否是（连续）可以通过其他指标预测（ X1、X2、X3 - 全部连续）。
我们有 31 行的表，每行包含有关 X1、X2、X3 和 Y 的数据。
我们想找出我们应该使用哪些指标作为 Y 的输入，同时我们想解释至少 81% 的 Y 变化。
我们拟合模型并查看“拟合摘要”，我们看到 R 平方为 0.9，但它适用于整个模型 X1、X2 和 X3共.
我们如何检查每个指标的 Y 变化百分比是多少分别地并验证它确实 > 81%？ 我们应该分别拟合模型 3 次吗？
IE
1英石用 X1 计时 Y 并检查 R 方
2 nd用 X2 时间 Y 并检查 R 方
3 rd用 X3 计时 Y 并检查 R 方
当我们这样做时，我们得到：
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分别地作为 Y 的输入，并说明所需的 Y 变化百分比？这是一个正确的分析和陈述吗？
谢谢
拉蒙·巴默
回复：R平方非常感谢 ！！
回复：R平方你好rambam54 ,
你是对的;根据您的结果，X1 和 X2 分别占样本数据方差的 81% 以上，因此任何一个都可以作为输入的候选者。 但是，请记住，样本 R^2 与所有样本估计值一样，会受到抽样误差的影响，因此总体中方差的真实比例可能或多或少。 因此，如果您有证据表明您的输入所占的方差比例在总体中高于 0.81 是关键任务，您可能希望在估计值周围放置一个置信区间并确保置信区间的下限为t 低于 0.81。 如果您碰巧使用的是 JMP Pro，自举考虑到您的样本量，这将是一个很好的方法。或者，计算很简单（给定通常的参数假设），甚至还有在线统计计算器这将需要简单的输入（样本大小、观察到的 R^2、预测变量的数量）。 对于您的样本，回归到 X1 的 Y 的 R^2 的 95% 界限将是 ~ 0.72 ≤ R2 ≤ 0.93。
我希望这有帮助！
朱利安
