В простой линейная регрессия с одним признаком x квадрат Pearson r (то есть r^2) чаще всего интерпретируют как…
AДолю дисперсии
y, объясненную линейной связью с x в этой моделиBВероятность причинного эффекта
x на yCСреднее значение
yDЧисло
trial до successПравильный ответ.
r^2 в простой регрессии связан с долей объясненной вариативности.Разбор
Если r^2 равно 0.25, это означает, что линейная модель с x объясняет около четверти вариации y относительно среднего. Это не говорит о причинности и не гарантирует хороших предсказаний для каждого наблюдения. Частая ошибка — читать r^2 как долю 'причины' или как точность модели без проверки остатков.
Проверь себя · 1/3разбор после ответа
Вы видите положительную
correlation между продажами мороженого и количеством утоплений по дням. Это типичный пример спуриозной (spurious) связи. Что наиболее вероятно объясняет наблюдение?Ещё вопросы по теме «Корреляция и регрессия»
- В отчете нашли положительную `correlation` между числом пушей на пользователя и выручкой. Какой вывод наиболее корректен?
- В данных по товарам `Pearson r` между ценой и конверсией равен -0.7. Как это интерпретировать?
- У вас 100 наблюдений, где почти нет связи между `x` и `y`, но есть одна точка с очень большим `x` и `y`. После добавления этой точки `Pearson r` стал 0.8. Что это чаще всего означает?
- Конверсия растет со скидкой до порога, а затем почти не меняется. При этом `Pearson r` между скидкой и конверсией близок к 0. Какой вывод корректен?
- Вы видите положительную `correlation` между продажами мороженого и количеством утоплений по дням. Это типичный пример спуриозной (`spurious`) связи. Что наиболее вероятно объясняет наблюдение?
- Все вопросы по «Корреляция и регрессия» →