擬合優度
| 擬合優度 |
 |
擬合優度(Goodness of Fit)是指回歸直線對觀測值的擬合程度。度量擬合優度的統計量是可決係數(亦稱確定係數)R^2(讀為R方)。R^2最大值為1。R^2的值越接近1，說明回歸直線對觀測值的擬合程度越好;反之，R^2的值越小，說明回歸直線對觀測值的擬合程度越差。
目錄
簡介
R^2衡量的是回歸方程整體的擬合度，是表達因變量與所有自變量之間的總體關係。R^2等於回歸平方和在總平方和中所占的比率，即回歸方程所能解釋的因變量變異性的百分比(在MATLAB中，R^2=1-"回歸平方和在總平方和中所占的比率")。實際值與平均值的總誤差中，回歸誤差與剩餘誤差是此消彼長的關係。因而回歸誤差從正面測定線性模型的擬合優度，剩餘誤差則從反面來判定線性模型的擬合優度。
統計上定義剩餘誤差除以自由度n – 2所得之商的平方根為估計標準誤。為回歸模型擬合優度的判斷和評價指標，估計標準誤顯然不如判定係數R^2。R^2 是無量綱係數，有確定的取值範圍 (0-1)，便於對不同資料回歸模型擬合優度進行比較;而估計標準誤差是有計量單位的，又沒有確定的取值範圍，不便於對不同資料回歸模型擬合優度進行比較。
金融的應用和解釋:
擬合優度是一個統計術語，是衡量金融模型的預期值和現實所得的實際值的差距。
它是一種統計方法應用於金融等領域，基於所得觀測值的基礎上作出的預測。換句話說，它是衡量如何將實際觀測的數值進行模擬的相關預測。
評價
R^2衡量的是回歸方程整體的擬合度，是表達因變量與所有自變量之間的總體關係。R^2等於回歸平方和在總平方和中所占的比率，即回歸方程所能解釋的因變量變異性的百分比(在MATLAB中，R^2=1-"回歸平方和在總平方和中所占的比率")。實際值與平均值的總誤差中，回歸誤差與剩餘誤差是此消彼長的關係。因而回歸誤差從正面測定線性模型的擬合優度，剩餘誤差則從反面來判定線性模型的擬合優度。
統計上定義剩餘誤差除以自由度n – 2所得之商的平方根為估計標準誤。為回歸模型擬合優度的判斷和評價指標，估計標準誤顯然不如判定係數R^2。R^2 是無量綱係數，有確定的取值範圍 (0-1)，便於對不同資料回歸模型擬合優度進行比較;而估計標準誤差是有計量單位的，又沒有確定的取值範圍，不便於對不同資料回歸模型擬合優度進行比較。 擬合優度曲線圖 擬合優度曲線圖
金融的應用和解釋:
擬合優度是一個統計術語，是衡量金融模型的預期值和現實所得的實際值的差距。
它是一種統計方法應用於金融等領域，基於所得觀測值的基礎上作出的預測。換句話說，它是衡量如何將實際觀測的數值進行模擬的相關預測。[1]