验证详细信息
本节说明使用验证方法时的汇总统计量。
验证集和测试集统计量定义
本节定义“R 方验证”和“RASE 验证”。以完全类似的方式为测试集计算“R 方检验”和“RASE 检验”。
连续响应
R 方验证
按以下方式计算验证集的 R 方测度：
‒ 对于验证集中的每个观测，计算预测误差。预测误差是实际响应与训练集模型预测的响应之间的差值。
‒ 计算预测误差的平方和以得到 SSE验证。
‒ 对验证集中的实际响应与它们的均值的差值求平方和。这是 SST验证。
‒ R 方验证计算如下：
注意：R 方验证有可能为负值。
RASE 验证
验证集的均方预测误差的平方根。它按以下方式计算：
‒ 对于验证集中的每个观测，计算预测误差。预测误差是实际响应与训练集模型预测的响应之间的差值。
‒ 计算预测误差的平方和以得到 SSE验证。
‒ 用 n验证 表示验证集中的观测数。
‒ RASE 验证表示如下：
二值名义型或有序型响应
R 方验证
按以下方式计算验证集的“熵 R 方”测度（也称为 McFadden R2）：
‒ 使用训练集拟合模型。
‒ 获得所有观测的预测概率。
‒ 使用基于训练集模型的预测概率，为验证集中的观测计算模型的似然值。该量被称为似然_完全验证。
‒ 使用验证集中的数据，计算简化模型（无预测变量）的似然。该量被称为似然_简化验证。
‒ R 方验证计算如下：
注意：R 方验证有可能为负值。
验证平均对数误差
按以下方式计算验证集的平均对数误差：
‒ 对于验证集中的每个观测，计算由基于训练集的模型确定的其预测概率的对数。
‒ 将这些对数求和，除以验证集中的观测数，然后对所得值求负数。
提示：验证平均对数误差的值越小越好。
R 方 K 折统计量
若您执行 k 折交叉验证，“R 方 K 折”统计量显示在“逐步回归控制”面板中其他统计量的右侧。R 方 K 折计算如下：
1 - Sum(SSE)/Sum(SST)
其中：
SSE 表示 k 重中的每一重误差平方和向量
SST 表示 k 重中每一重的平方和向量
K 折交叉验证随机将数据分为 k 个子集。依次将 k 个子集中的每一个用作验证集，而将其余数据用作训练集来拟合模型。总共拟合 k 个模型，获得 k 个验证统计量。生成最佳验证统计量的模型将被选为最终模型。