如何检查线性回归模型对数据的拟合程度？

Question

我有一个小的数据集，根据我的计算，该模型应该很好地拟合数据（它是手动计算的，不是用R计算的），但是我想确切地检查它是否适合数据。那么有没有办法在R中输入我的模型（而不是让R适合模型）并检查其是否适合数据？

我不知道这是否重要，但我的建模函数为f（x）= -6.65x ^ 2-23.28x-16.85。 我的数据集只是两个向量，每个向量有7个值。

如果有人知道执行此操作的功能，请提供帮助

Answer 1

假设您拥有x的数据和观测值y，则必须创建一个向量来存储所有预测的y_hat(x)，然后使用想要的度量用于评估模型。

假设您有下表：

>>> df
   y   x
  23   5
 998  12
 121  52
  57   3

下一步是添加一个名为y_pred的列：

df$y_pred = (df$x * df$x) - (df$x * 23.28) - 16.85

您现在将y_pred存储在df$y_pred中，因此您要做的就是将df$y与df$y_pred进行比较（您未指定要如何执行此操作）。

例如，您可以绘制df$x和df$y的散点图，并在其上绘制线df$y_pred。我建议为此使用ggplot。 否则，您可以通过执行df$err_squared <- (df$y - df$y_pred)^2来获得平方误差。要获得总和，只需尝试sum(df$err_squared)。