r-squared 越高越好嗎？
使用預測的 R2 可確定模型對新觀測值的反應結果的預測能力。 預測的 R2 值越大，說明模型的預測能力越強。
決定係數怎麼算？
定義r2 = SSR/SST = 1 – ( SSE / SST )，用以解釋X軸與Y軸變項之直線關係的強弱(即線性度)。 決定係數r2 之特性： r2 為0~1間數值。 r2 = 0 時，表示迴歸直線為水平線，斜率0，X軸與Y軸變項間無直線關係。
判定係數是什麼的平方？
R平方(R squared)又稱為判定係數(coefficient of determination)，是一種衡量回歸模型表現的指標，代表從獨立變數X可以解釋依變數Y變異的比例。
判定係數 多少？
判定係數(Coefficient of Determination, R squared) 其值通常介於0-1之間，R2越接近1，預測值越接近真實值。 對於總離差平方和怎麼拆解的，我在另外一篇文章SST拆解證明討論。 一般來說，R2越大，表示模型擬合效果越好。
相關係數多少算高？
補充：一般研究者認為，相關係數0.3以下為低相關，0.3~0.7為中等相關，0.7以上為高度相關，故本研究結果可推定兩變數之間為高度相關(黃姵嫙，2018)。
如何判斷正負相關？
相關係數的意義： r的正負號代表著X與Y的相關性，如果r>0，表示X和Y為正相關，亦代表Y值會隨X值變大而增大；反之，如果r<0，表示X和Y為負相關，亦代表Y值會隨X值變大而縮小。
r2值的意義以及原理為何？
決定係數，或稱判定係數（英語：Coefficient of determination，記為R 2或r 2），在統計學中用於度量應變數的變異中可由自變數解釋部分所占的比例，以此來判斷迴歸模型的解釋力。 示意圖線性迴歸（右側）的效果比起平均值（左側）越好，決定係數的值就越接近於1。
回歸分析可以用來預測哪種資料？
什麼是回歸分析？ 回歸分析是一種預測建模技術，它可以被用來研究因變數（目標）和自變數（預測）之間的關係，常見於預測建模、時間序列建模和查找變數間關係等應用。 舉個例子，透過回歸分析，我們能得出司機超速駕駛和發生交通事故次數之間的關係。
如何用excel算相關係數？
在Excel 中也能輕鬆執行相關分析，只要點選「資料」→「資料分析」→「相關係數」，再選取輸入輸出範圍就完成囉！ 那如果只是想求出相關係數的話，也可以善用函數=CORREL。
mse多少算好？
均方误差MSE（Mean Squared Error） 理论上来说MSE=0是最好的，但是一般不可能达到，所以MSE越接近0越好。
vif如何解釋？
5. 變異膨脹因子(VIF)：判斷多元線性迴歸模型的自變數之間是否獨立，VIF值越小越好，若VIF值>10，表示自變數存在共線性，則應刪除該自變數。 共線性(collinarity)：當2個（或以上）的自變數互不獨立(即彼此相關)，就是具有「共線性」。
r值是什麼 統計？
相关系数是量化相关性分析中两个变量之间线性关系强度的特定测定。 该系数在我们的相关性报表中以符号r 表示。
殘差圖是什麼？
殘差圖顯示觀測的預測值與觀測的殘差之間的關係。 觀測的殘差就是預測回應值與實際回應值之間的差異。 使用大型資料集時，殘差圖會顯示為熱圖，而非顯示為實際標繪圖。 在熱圖中，實際觀測會化為長條，而各點的顏色表示在長條中的相對觀測數目。
spss r是什麼？
IBM? SPSS? Statistics 提供以R 建立自訂成分的功能，以便能從作用中資料集讀取觀察值資料、將以R 撰寫的演算法套用至資料，以及將結果寫回IBM SPSS Statistics (以新資料集或樞紐表的形式，或以導向檢視器或經由「輸出管理系統」(OMS) 匯出之R 圖形輸出的形式)。