本來還想出點主意的所以回來看看

結果站長大人都出來說話了

那我們還是站一邊閉嘴比較好 :D

站長果然才是魔人啊....拜~~

D圖貼起來看不到底線，我重貼一下
D圖有一堆點停在8的X軸上


抱歉，我都忘了我X、Y軸畫反了

別這樣嗎!!大家可以一起討論阿，不然我實在對這個題目很頭痛... :nonono:

這是我剛剛用EXCEL跑出來的圖

我知道我畫的很爛啦，不過應該大家都可以看的懂吧

:ase :ase :ase

奇怪,這四個跑出來的R平方怎麼那麼接近=__________=||||
0.6665424595088
0.6662420337275
0.6651181993637
0.6667072568985

給你spss畫的散佈圖好了

http://mis.ccu.edu.tw/~billy1125/spss.htm

由上而下是各組的散佈圖

我看了一下覺得應該是第一個比較好

第二組的資料不應該用線性方程式解釋
第三第四組各有很誇張的outlier
所以不太適合用回歸方法分析

不過我的答案太多漏洞了
很久沒碰統計
參考一下就好不要馬上給你老師啊
請哪位先進幫我修正最好

這個應該是老師出題要跟你說明R square可以全部都相同，
也就是X解釋Y的線性關係有相同的解釋度，
但是實際的資料確有不同的狀況，
狀況一：正常使用迴歸的資料散佈情況，
情況二：散佈圖為曲線，用線性迴歸來『預測』是不佳的，應該要轉換過，再來使用迴歸
情況三：有一點的離群值，所以需要察看原資料是否收集有誤，
情況四：這個是一個不佳使用簡單線性迴歸的情況，在這種情況下，要用特殊的方式進行迴歸
結論：
每個資料以最小平方法的解釋度皆相近，不過若考慮預測的觀點，
要是我的話，我應該會選擇情況一為使用simple linear regression較好的資料，可以用來『預測』y值
不過因為題目說明不清楚，僅提供以上意見，參考看看吧∼

李麥克 :
你線性迴歸跑出來的數字如何?

這題目出得太漂亮了。
不但迴歸線的方程式差不多，連迴歸判定係數也差不多。 :shock:

還是回到最原始的方法：觀察散佈圖中資料點散佈情形與迴歸線的關係。

注意一下資料是不是呈線性分佈，是集中還是分散。

附上散佈圖，仔細地觀察吧！ :)

PS: 我不是統計魔人，沒有正式上過統計課。 :shy:

和站長您的一樣
我現在再把回歸線弄到圖裡去
我想這樣就很明白了
答案應該是第一個比較適合

答案應該就是chhung講的那樣了,第三個要懷疑是不是資料輸入有誤,不然那個資料把他拉正的話,R平方就會到達1

配上大家給你的圖表,應該就很完美了

蠻可怕的,連alpha值也一樣,可能根樣本數太小有關係,樣本數再放大的話,alpha值應該可以看出差距