“模型比较”报表

Figure 10.7显示了连续响应的初始“模型比较”报表的示例。

图 10.7 最初的“模型比较”报表

预测变量报表显示所有响应以及针对每个响应比较的所有模型。同时还列出创建预测变量列的拟合平台。

拟合测度报表显示每个模型的拟合测度。连续响应和分类响应的报表中会显示不同的列。

连续响应的“拟合测度”

R 方

R 方统计量。在不含缺失值的数据表中，“模型比较”报表与原始模型中的 R 方统计量保持一致。不过，若存在缺失值，R 方统计量会有所不同。

RASE

均方预测误差的平方根。它按以下方式计算：

‒ 对预测误差（实际响应和预测响应之间的差值）求平方和以获得 SSE。

‒ 用 n 表示观测数。

‒ RASE 是：

RASE =

AAE

平均绝对误差。

频数

包含每行频数统计的列。

分类响应的“拟合测度”

熵 R 方

1 减去拟合模型与常数概率模型的负对数似然比。它的范围介于 0 到 1 之间。

广义 R 方

可以应用到一般回归模型的测度。它基于似然函数 L，并且统一尺度后最大值为 1。值为 1 表示完美模型，值为 0 表示并不比常数模型好的模型。对于标准最小二乘设置中的连续正态响应，“广义 R 方”测度简化为传统 R 方。“广义 R 方”亦称 Nagelkerke/Craig and Uhler R2，它是 Cox and Snell 伪 R2 的标准化版本。请参见 Nagelkerke (1991)。

-Log p 均值

-log(p) 的平均值，其中 p 是与发生的事件有关的拟合概率。

RMSE

均方根误差，已针对自由度进行调整。对于分类响应，差值介于 1 和 p（实际发生的响应水平的拟合概率）之间。

绝对偏差的均值

响应的真实值与预测值的差值绝对值的平均值。对于分类响应，差值介于 1 和 p（实际发生的响应水平的拟合概率）之间。

误分类率

具有最高拟合概率的响应类别不是观测到的类别的比率。

数目

观测数。