以下表达式中，哪个不能衡量线性模型拟合的好坏？
A: 确定性系数$R^2$
B: 回归平方和$SS_R=\sum_{i=1}^n(\hat{y}_i-\bar{y})^2$
C: 调整的确定性系数$R^2_a$
D: AIC准则
A: 确定性系数$R^2$
B: 回归平方和$SS_R=\sum_{i=1}^n(\hat{y}_i-\bar{y})^2$
C: 调整的确定性系数$R^2_a$
D: AIC准则
举一反三
- (2). 根据最小二乘法的思想，拟合直线回归方程是使（ ）。 A: \( \min\sum\limits_{i=1}^n {\vert y_i -\hat {y}\vert }<br/>\) B: \( \min\sum\limits_{i=1}^n {(y_i -\bar {y})^2} \) C: \( \min\sum\limits_{i=1}^n {(\hat {y}_i -\bar {y})^2}<br/>\) D: \( \min\sum\limits_{i=1}^n {(y_i -\hat {y}_i )^2} \)
- (2). 根据最小二乘法拟合直线回归方程是使（ ）。 A: \( \sum {\left( {y_i -\hat {y}_i } \right)^2} =\mbox{ 最小 } \) B: \( \sum {\left( {y_i -\hat {y}_i } \right)} =\mbox{ 最小 } \) C: \( \sum {\left( {y_i -\bar {y}} \right)^2} =\mbox{ 最小 }\) D: \( \sum {\left( {y_i -\bar {y}} \right)} =\mbox{ 最小 }\)
- 在一个线性回归模型中增加新的变量，下列说法不正确的是？（） A: R^2和调整的R^2都减小 B: R^2减小，调整的R^2增大 C: R^2不变，调整的R^2增大 D: R^2和调整的R^2都增大
- 多元线性回归中，可决系数R^2是评价模型拟合优度好坏的最佳标准。
- IS–LM模型的思路包括以下哪些表达式? A: i(r)=e+dr B: IS=LM C: IS:i(r)=s(y) D: LM:L(r,y)=M E: s(y)=α-βy