普通最小二乘法和R平方（确定系数）之间的差异？

Question

*嗨，

有人能指出-普通最小二乘法和R平方（确定系数）之间的区别吗？ 它们似乎与我非常相似，都在计算估计值与实际值之间的差，然后求和然后求平方。也许我弄错了。有什么建议吗？*

Answer 1

普通最小二乘是一种回归方法，R平方是一种度量，它表示回归模型中一个或多个自变量对因变量的解释程度。

例如，如果您将人均GDP（因变量）与某个国家/地区的工业化水平（因变量）相关联，并且回归分析得出R值为0.89，则意味着工业化解释了GDP的89％人均。

  

确定系数的最一般定义是

     

R平方= 1-（SSRes / SSTot），其中：

     

SSRes是平方的回归和，也称为解释和   正方形

     

SSTot是平方的总和

来源：https://en.wikipedia.org/wiki/Coefficient_of_determination

OLS回归涉及矩阵代数，这对我来说要复杂些（尽管我不是专家）。请检查参考： https://en.wikipedia.org/wiki/Ordinary_least_squares#Matrix/vector_formulation

这里重要的是要了解OLS和R平方是两个不同的东西。您进行回归以将一个因变量与许多自变量相关联，并使用R平方查看此回归是否有意义。

Answer 2

OLS回归将在双变量模型的背景下进行讨论，即在该模型中，只有一个自变量（X）预测因变量（Y）。

其中R ^ 2平方将用于评估由我们构建的模型解释的方差。