線性回歸方程擬合效果判斷依據(jù)，比如r R2？擬合效果取決于重組數(shù)據(jù)的線性，即是否符合線性方程。一般用線性相關(guān)系數(shù)來(lái)判斷。越接近1，線性越好殘差圖是以一定殘差（實(shí)際值與估計(jì)值之差）為縱坐標(biāo)，以其他適當(dāng)量

線性回歸方程擬合效果判斷依據(jù)，比如r R2？

擬合效果取決于重組數(shù)據(jù)的線性，即是否符合線性方程。一般用線性相關(guān)系數(shù)來(lái)判斷。越接近1，線性越好

殘差圖是以一定殘差（實(shí)際值與估計(jì)值之差）為縱坐標(biāo)，以其他適當(dāng)量為橫坐標(biāo)的散點(diǎn)圖。通過(guò)殘差分析和殘差圖，檢驗(yàn)?zāi)Ｐ图僭O(shè)的合理性，稱為殘差分析。這些方法更加直觀，應(yīng)用效果良好。許多統(tǒng)計(jì)軟件包可以生成殘差圖。它可以用來(lái)檢驗(yàn)回歸線的異常值。在分析和檢驗(yàn)中，常用的散點(diǎn)圖是以自變量為橫坐標(biāo)的殘差圖。

為了清楚地解釋變量和隨機(jī)誤差的影響，數(shù)據(jù)點(diǎn)與其在回歸線上的相應(yīng)位置之間的差異稱為殘差，每個(gè)殘差的平方和稱為殘差平方和，表示隨機(jī)誤差的影響。一組數(shù)據(jù)的殘差平方和越小，擬合度越好。

如何利用線性回歸方程殘差圖分析擬合效果？

以線性回歸方程為例，R的平方越大，擬合效果越好。

因?yàn)閞平方越大（接近1）意味著擬合的曲線越接近實(shí)際曲線，當(dāng)然效果越好。