文章目录
- 相关系数$r$和决定系数$R^2$的那些事
- 协方差与相关系数
- 决定系数(R方)
- 参考资料
相关系数 r r r和决定系数 R 2 R^2 R2的那些事
有人说相关系数(correlation coefficient,)和决定系数(coefficient of determination,
,读作R-Squared)都是评价两个变量相关性的指标,且相关系数的平方就是决定系数?这种说法对不对呢?请听下文分解!
协方差与相关系数
要说相关系数,我们先来聊聊协方差。在之前的博文《使用Python计算方差协方差相关系数》中提到协方差是计算两个随机变量和
但是协方差有一个确定:它的值会随着变量量纲的变化而变化(covariance is not scale invariant),所以,这才提出了相关系数的概念:
对于相关系数,我们需要注意:
- 相关系数是用于描述两个变量线性相关程度的,如果
,呈正相关;如果
,不相关;如果
,呈负相关。
- 如果我们将
和
看成两个向量的话,那
刚好表示的是这两个向量夹角的余弦值,这也就解释了为什么
的值域是[-1, 1]。
- 相关系数对变量的平移和缩放(线性变换)保持不变(Correlation is invariant to scaling and shift,不知道中文该如何准确表达,?)。比如
恒成立。
决定系数(R方)
下面来说决定系数,R方一般用在回归模型用用于评估预测值和实际值的符合程度,R方的定义如下:
上式中是实际值,
是预测值,
是实际值的平均值。
被称为fraction of variance unexplained,RSS叫做Residual sum of squares,TSS叫做Total sum of squares。根据
的定义,可以看到
是有可能小于0的,所以
不是
的平方。一般地,
越接近1,表示回归分析中自变量对因变量的解释越好。
对于可以通俗地理解为使用均值作为误差基准,看预测误差是否大于或者小于均值基准误差。
此外,我们做这样一个变形:,可以看到变成了1减去均方根误差和方差的比值(有利于编程实现)。
另外有一个叫做Explained sum of squares,
在一般地线性回归模型中,有(证明过程参见:Partitioning in the general ordinary least squares model)
在这种情况下:我们有
对于我们需要注意:
一般用在线性模型中(虽然非线性模型总也可以用),具体参见:Regression Analysis: How Do I Interpret R-squared and Assess the Goodness-of-Fit?
不能完全反映模型预测能力的高低
最后,这篇文章《8 Tips for Interpreting R-Squared》里面指出了不错误解读的地方,读完之后,我觉得以后还是少用
,对于模型的评估可以选择其它一些更适合的指标。
参考资料
[1]. The relationship between correlation and the coefficient of determination
[2]. Coefficient of determination
[3]. Explained sum of squares
[4]. Regression Analysis: How Do I Interpret R-squared and Assess the Goodness-of-Fit?
[5]. 8 Tips for Interpreting R-Squared