当我们要拟合线性回归模型，有以下三个步骤：
- 通过最小二乘法，拟合一条直线。
- 求R^2
- 求R^2的P值，也就是F值
下面我将一个个分解来讲。
拟合直线：最小二乘法
什么是最小二乘法：每个点（图中红点）到拟合直线（图中黑线）的距离最小，即残差值最小，从而得出最优模型。
公式：如图中
image.png
求R^2
- 如果你还不知道R^2是什么，怎么求。
请看https://www.jianshu.com/p/8aefd78be186
求F值
-
如果只有两个点，R^2 必然=1，此时R^2就没有意义了（如图）。
image.png 为了解决这个问题，我们引入了衡量R^2 水平的指标，F值。F值告诉我们，R^是否是显著的。公式：
image.png
- 公式的解释：
红圈部分和自由度相关，后期我会具体将这一部分，敬请关注。
image.png
总结：
R ^越大越好（接近1），F值越小越好。
image.png
