spss：得到一个多元线性回归模型之后，如何比较预测值和真

不知道你要怎样比较预测值和真实值，比如计算一下残差值，或者计算一下均方误差之类？

在Linear Regression对话框，点Save按钮，会出现Linear Regression: Save对话框，在Predicted Values（预测值）和Residuals（残差）栏都选Unstandardized，会在数据表中输出预测值和残差，然后你想怎么比较都行。

判断模型是否有预测能力，其实就是模型检验，模型检验除了统计意义上的检验，还有实际意义上的检验，就是检验是否跟事实相符，比如收入与消费应该是正相关的，如果消费为被解释变量、收入为解释变量，如果收入的系数小于零，那肯定是不对的。

统计意义上的检验，包括参数的T检验，方程的F检验，还要检验残差是否白噪声。

（2）各z值作为预测指标时，模型的4个拟合统计量（logl、pseudo r2、lr、c）都要大于ddte和ddwe作为预测指标时的模型，clarke和vuong检验都从统计上证实了这种差异的显著性（表3），这表明同作为预测指标多元线性回归预测模型，各z值比dd更为可靠，也就意味着各z值模型比dd捕获了较多的有关财务困境的信息，尤其是捕获的信息量最大。但是由于文章用于检验模型判别正确率的样本就是用于估计模型参数的样本，所以上述的判别正确率有高估的倾向。在过去也没有采集过类似样本，这个时候，要靠模型看了6、7月份的数据来预测8月份的市场怎么走，就无法预测了，预测的结果也是错的。

追问

谢谢！我看到文献中将一个样本随机抽样分成两个样本，用第一个样本得出模型各变量的系数，再用这个模型估计第二个样本中的结果，拿这个估计值和样本二的实际值做比较，然后出来一个R平方和一个平均误差值，我就是不太明白这里是如何比较估计值和实际值的，R平方和这个平均误差值是怎么出来的呢？是否就是你最后说的外推预测能力？

追答

R的平方就是实际值和预测值的相关系数，平均误差值可以是均方误差或者均方根误差，后者其实就是误差的标准差。这里所说的预测值，其实就是估计值，用样本一估计出各系数以后，就有了被解释关于解释变量的函数，把样本二的解释变量值代入，就得到预测值或者估计值，把这个值跟实际值做比较。

文献里说的，就是我说的外推预测能力。

追问

我们需要借助几个神奇的数值多元线性回归预测模型，那就是平均回报、标准差、夏普比率、阿尔法系数、贝塔系数、 r 平方……。由于计算中产生舍人误差(rounding error)，实际算出的值a与准确值x不同。解码子模块对基本流进行变长解码和游程解码，并将解码后的宏块解码参数分别送入变换系数形成子模块和预测数据形成子模块，同时开始启动参考数据的edma读取.变换系数形成子模块根据宏块解码参数，通过游程解码恢复出帧内直流系数和其他系数，并进行反量化，然后将反量化后的数据按照一定扫描顺序写入片内宏块解码临时缓冲区.反扫描后的数据再被送入预测差分值形成子模块，先进行解谐控制，接着进行idct行变换和idct列变换，idct之后的结果仍存在宏块解码临时缓冲区.与此同时，根据宏块参数解码子模块得到的运动矢量值产生参考帧存储器地址和片内参考宏块缓冲区地址，启动参考数据的读取.参考数据开始由edma从片外搬到片内，也作为预测数据形成子模块的输入.预测数据形成子模块根据宏块解码参数对参考数据进行半像素内插处理，得到真正的参考值，然后由参考值得到解码宏块的预测数据，保存在宏块解码结果缓冲区.预测合并子模块的输入是预测数据和idct之后保存在解码中间结果缓冲区的预测差分值，这两者根据具体的dct方式进行合并，最终得到当前宏块的解码结果，保存到宏块解码结果缓冲区，同时也作为显示宏块形成子模块的输入.显示宏块形成子模块对4:2:0格式的宏块解码结果进行格式转换，将之前yuv分量分开存放的解码结果转换为4:2:2的按yuyv顺序存放的视频显示结果，保存在宏块显示结果缓冲区，之后输出到片外的显。

追答

记真实值为y，估计值为y1.

Analyze -> Corrilate -> Bivariate，把y和y1选到Variables框里面，其他的默认就可以了，就能把R算出来了，得到的是R，是相关系数，不一定要平方。这个值越接近1，两者的相关性越高。

Ａ．视准轴误差Δc、横轴误差Δi、度盘偏心差照、准部偏心差 Ｂ．视准轴误差Δc、横轴误差Δi、对中误差ε、竖轴误差Δδ Ｃ．视准轴误差Δc、旁折光的影响、对中误差ε、竖轴误差Δδ。第二个原因，举个最简单的例子大家就明白了，目前，做“伦敦金”的手续费和点差标准，每手都是50美金，“点差”是做市商(做市商制度也称庄家制度。如果标准元素是 1，那么误差已经成为它在计算时，还要经过一定的处理，将负相关与正相 的2倍，误差非常大，因此元素误差的影响不仅与关合并到一起，这时它的取值范围为[0，1]，值越 绝对误差有关，还与标准元素的大小有关，所以采大相关性越强，当值为 1时，两 向量完全相同。