우리는 데이터를 모델링하기 위해 다양한 모양의 함수 (곡선)를 사용할 수 있음을 확인했습니다. 사용할 곡선 (선형, 2 차, 지수)는 산점도가 실제 곡선과 유사하다면 쉬웠습니다.하지만 어떤 곡선을 선택할지 확실하지 않은 경우에는 어떻게해야합니까?

잔차는 특정 지점에서 산점도에 그려지는 것과 회귀 방정식은이 특정 지점에서 “표시되어야 함”을 예측합니다. 산점도와 회귀 방정식이 y- 값 (차이 없음)에서 “동의”하면 잔차는 0이됩니다.

잔차 = Ob 게재 된 y- 값-예측 된 y- 값 잔차는 관측 된 y- 값 (산점도에서)과 예측 된 y- 값 (회귀 방정식 선에서) 간의 차이. 실제 플롯 된 점에서 회귀선의 점까지의 수직 거리입니다. 잔차는 데이터가 회귀선에서 “떨어지는”정도 (라고도 함)로 생각할 수 있습니다. “관찰 된 오류”).

선형 연관은 읽고 해석하기 쉽기 때문에 가장 인기있는 통계적 관계입니다. 우리는 대부분의 시간을 선형 관계 작업에 사용하고 잔차는 적절한 선형 모델이있을 때 알려줄 수 있습니다.
산점도를 보면 선택한 모양 (곡선)이 확실하지 않은 경우 회귀 방정식은 최상의 모델을 생성하고 잔차 그림은 선택한 모델이 적절한 선형 모델이 될지 여부를 결정하는 데 도움이됩니다.

적절한 선형 모델 : 플롯이 x 축 위와 아래에 무작위로 배치 된 경우 (y = 0).

적절한 비선형 모델 : 플롯이 곡선을 닮은 패턴을 따를 때.

{(1,2), (2,1), (3,3½), (4,3), (5,4½)} 세트의 데이터를 모델링하는 방정식입니다. 산점도를 사용하여 선형, 2 차 또는 지수 회귀 방정식을 찾아야하는지 확인하십시오. 선형 회귀를 선택하기로 결정했지만 선택을 100 % 확신 할 수 없습니다. 그 래핑 계산기를 사용하여 선형 회귀 방정식 (y = 0.7x + 0.7)을 찾습니다. 아래와 같이 산점도에 회귀 방정식 선을 그래프로 표시합니다.

잔차는 문자 “D”(거리 용)로 참조되는 빨간색 선 세그먼트로, 산점도 점을 선형 회귀선의 해당 점에 수직으로 연결합니다.

그래프의 빨간색 선분 (잔차)이 회귀선 위와 아래에있는 것을 보셨습니까? 이는 잔차가 양수, 음수 또는 0 일 수 있음을 의미합니다.

잔여 물은 통계적으로 합의 된 “최고의 적합 선 (또는 곡선) “.

이 속성을 갖는 곡선, 여기서 데이터 포인트에서 곡선까지의 수직 거리의 제곱이 가능한 한 작습니다. 는 최소 제곱 곡선이라고합니다.

그 래핑 계산기의 잔류 물 :

회귀 모델이 그래프 계산기에서 계산 된 잔차는 RESID라는 목록에 자동으로 저장됩니다. 계산기에서 잔차를 사용하는 방법을 보려면 아래 링크를 따르십시오.
잔여에 대한 계산기 도움말을 보려면 여기를 클릭하세요. .	잔여 플롯에 대한 계산기 도움말을 보려면 여기를 클릭하십시오.