Le tre formule seguenti sono ben note, si trovano in molti libri sulla regressione lineare. Non è difficile derivarli.
β1=rYX1−rYX2rX1X21−r2X1X2√
β2=rYX2−rYX1rX1X21−r2X1X2√
R2=r2YX1+r2YX2−2rYX1rYX2rX1X21−r2X1X2√
Se sostituisci i due beta nella tua equazione
, otterrai la formula sopra per R-quadrato.R2=rYX1β1+rYX2β2
Ecco una "intuizione" geometrica. Di seguito sono riportate due immagini che mostrano la regressione di di e . Questo tipo di rappresentazione è noto come variabili come vettori nello spazio soggetto ( leggi di cosa si tratta). Le immagini vengono disegnate dopo aver centrato tutte e tre le variabili, quindi (1) la lunghezza di ogni vettore = st. deviazione della rispettiva variabile e (2) angolo (il suo coseno) tra ogni due vettori = correlazione tra le rispettive variabili.X 1 X 2YX1X2
Yecos∠Y Y =| Y | /| Y|Y^ è la previsione di regressione (proiezione ortogonale di sul "piano X"); è il termine di errore; , coefficiente di correlazione multipla.Yecos∠YY^=|Y^|/|Y|
L'immagine a sinistra mostra le coordinate oblique di sulle variabili e . Sappiamo che tali coordinate mettono in relazione i coefficienti di regressione. Vale a dire, le coordinate sono: e . XY^X1X2b1|X1|=b1σX1b2|X2|=b2σX2
E l'immagine a destra mostra le coordinate perpendicolari corrispondenti . Sappiamo che tali coordinate mettono in relazione i coefficienti di correlazione di ordine zero (questi sono coseni di proiezioni ortogonali). Se è la correlazione tra e e è la correlazione tra e
allora la coordinata è . Allo stesso modo per l'altra coordinata, .r1YX1r∗1Y^X1r1|Y|=r1σY=r∗1|Y^|=r∗1σY^r2|Y|=r2σY=r∗2|Y^|=r∗2σY^
Finora erano spiegazioni generali della rappresentazione del vettore di regressione lineare. Ora passiamo all'attività per mostrare come può portare a .R2=r1β1+r2β2
Innanzitutto, ricorda che nella loro domanda @Corone ha avanzato la condizione che l'espressione sia vera quando tutte e tre le variabili sono standardizzate , cioè non solo centrate ma anche ridimensionate alla varianza 1. Quindi (cioè implicando per essere le "parti operative" dei vettori) abbiamo coordinate pari a: ; ; ; ; così come. Ridisegna, in queste condizioni, solo il "piano X" delle immagini sopra:|X1|=|X2|=|Y|=1b1|X1|=β1b2|X2|=β2r1|Y|=r1r2|Y|=r2R=|Y^|/|Y|=|Y^|
Sull'immagine, abbiamo una coppia di coordinate ortogonali ed una coppia di coordinate skew, dello stesso vettore di lunghezza . Esiste una regola generale per ottenere coordinate perpendicolari da quelle inclinate (o indietro): , dove è la matrice di quelle perpendicolari; è la stessa matrice di dimensioni di quelli obliqui; e sono la matrice simmetrica degli angoli (coseni) tra gli assi non ortogonali.Y^RP=SCPpoints X axes
SCaxes X axes
X1 e sono gli assi nel nostro caso, con come il coseno tra di loro. Quindi, e .X2r12r1=β1+β2r12r2=β1r12+β2
Sostituisci questi espressi tramite s @ Corone e otterrai quel , - che è vero , perché è esattamente come una diagonale di un parallelogramma (colorato sull'immagine) viene espressa attraverso i suoi lati adiacenti (quantità essendo il prodotto scalare).β R 2 = r 1 β 1 + r 2 β 2 R 2 = β 2 1 + β 2 2 + 2 β 1 β 2 r 12 β 1 β 2 r 12rβR2=r1β1+r2β2R2=β21+β22+2β1β2r12 β1β2r12
La stessa cosa è vera per qualsiasi numero di predittori X. Sfortunatamente, è impossibile disegnare immagini simili con molti predittori.