Какие существуют методы проверки качества моделей регрессии?

Некоторые методы проверки качества моделей регрессии:

• Оценка значимости модели регрессии в целом. spravochnick.ru Проводится на основе дисперсионного анализа с помощью критерия Фишера (F-критерия). spravochnick.ru Также для характеристики качества модели в целом используется коэффициент (индекс) детерминации. spravochnick.ru Он показывает, на сколько процентов предлагаемая модель объясняет поведение моделируемого количественного показателя. spravochnick.ru
• Оценка значимости параметров функции регрессии. spravochnick.ru Для этого используется критерий Стьюдента (t-критерий). spravochnick.ru Вычисляются t-статистики, равные отношению самих параметров и их стандартных ошибок, которые сравниваются с критическими значениями. spravochnick.ru
• Анализ остатков. tstu.ru Помогает выявить возможные проблемы с моделью, такие как гетероскедастичность, автокорреляция или наличие выбросов. tstu.ru
• Перекрёстная проверка. www.tutorialspoint.com Метод оценки эффективности модели на основе совершенно новых, непроверенных данных. www.tutorialspoint.com При k-кратной перекрёстной проверке данные делятся на k подмножеств равного размера, и модель оценивается на оставшемся подмножестве после обучения на k–1 подмножестве. www.tutorialspoint.com
• Информационные критерии. www.tutorialspoint.com Это статистические показатели, используемые для оценки соответствия модели. www.tutorialspoint.com Они обеспечивают баланс между сложностью модели и её подгонкой. www.tutorialspoint.com Для логистической регрессии обычно используются информационный критерий Акайке (AIC) и байесовский информационный критерий (BIC). www.tutorialspoint.com
• Графический анализ экспериментальных данных. fn.bmstu.ru Позволяет оценить вид однофакторной зависимости отклика от фактора, выявить взаимодействия, оказывающие влияние на отклик, выделить выбросы и влиятельные наблюдения. fn.bmstu.ru