Interpreting the Regression Line
-
0:00 - 0:04♪[音乐]♪
-
0:11 - 0:14理解数据
-
0:16 - 0:18- [Thomas Stratmann]
让我们深入了解一下 -
0:18 - 0:21线性回归的这条线
告诉了我们什么信息 -
0:21 - 0:24为此,让我先介绍一下
-
0:24 - 0:27我们需要使用的数据工具
-
0:27 - 0:28将页面向下滚动
-
0:28 - 0:30在视频下方会看到此工具
-
0:31 - 0:33除了观看本课程的视频
-
0:34 - 0:37你可以按照自己的节奏
来摆弄那些数据 -
0:38 - 0:39让我快速带你们看一下
-
0:40 - 0:42这里有几个选项标签
-
0:42 - 0:45在这个视频中
我们先涉及两个标签—— -
0:45 - 0:48汇总统计标签
和公式选项标签 -
0:48 - 0:50如果你还记得
-
0:50 - 0:53我们正在讨论老师的颜值
-
0:53 - 0:56与学生给他们的评估分
之间的关系 -
0:57 - 1:00点击汇总统计标签
图表展示一目了然: -
1:00 - 1:03数据中每个变量的值是多少
-
1:03 - 1:05以及它们是如何分布的
-
1:05 - 1:08例如,让我们来看一下
-
1:08 - 1:10数据组中
颜值分数的分布情况 -
1:10 - 1:15在最高10分的情况下
大部分人得了3分或4分 -
1:15 - 1:16妈呀!
-
1:16 - 1:20现在,让我们来看看
评估分数的分布 -
1:20 - 1:23对教授们来说
这看起来好多了 -
1:23 - 1:26因为很多人落在了高分段
-
1:26 - 1:31如果你点击公式选项标签
你会看到散点图 -
1:31 - 1:33横轴上是颜值分数
-
1:34 - 1:36纵轴上是评估分数
-
1:37 - 1:39如果鼠标在
任意一点悬停 -
1:39 - 1:43你将看到那个老师的颜值分
-
1:43 - 1:46和与之对应的评估分
-
1:47 - 1:50你可以点击这里
来添加回归线 -
1:50 - 1:52为了更好地理解回归线
-
1:52 - 1:55让我们花点儿时间
回顾一下它的表达式 -
1:55 - 1:59通常写为:y = b + mx
-
1:59 - 2:02你可能在数学课上见过它
-
2:03 - 2:05“x”被称为解释变量
-
2:06 - 2:10在我们的数据组中
x代表颜值分 -
2:10 - 2:14我们用它来解释y的值
-
2:14 - 2:16y又被称为“响应变量”
-
2:17 - 2:21在我们的例子里
就是学生给的评估分 -
2:21 - 2:23所以,在颜值分发生变化时
-
2:23 - 2:26学生评估分会随之变化
-
2:27 - 2:29“b”通常被称为y轴截距
-
2:30 - 2:32“m”是这条线的斜率
-
2:33 - 2:38在线性回归中
那个公式通常会写成这样: -
2:39 - 2:41响应变量
-
2:41 - 2:43也就是学生给的评估分
-
2:43 - 2:46等于y轴截距加上
-
2:46 - 2:49斜率乘以解释变量
-
2:50 - 2:51在这里便是颜值分
-
2:52 - 2:55让我们在数据组中
找出这些对应的值 -
2:55 - 2:57让我们在这里停一下
-
2:57 - 2:59请找出线性回归的
-
2:59 - 3:01斜率和y-截距值
-
3:01 - 3:03记下来,然后继续观看
-
3:03 - 3:05♪ [音乐] ♪
-
3:05 - 3:07这是你要找的答案
-
3:07 - 3:09你应该已经得出了
-
3:09 - 3:11斜率和y轴截距的值了
-
3:12 - 3:14通常,在线性回归中
-
3:14 - 3:17我们关心的不是y轴截距
-
3:17 - 3:20而是斜率的值
-
3:20 - 3:22斜率告诉我们
-
3:22 - 3:25当解释变量的值
增加1个单位时 -
3:25 - 3:28响应变量的值会向哪个方向
-
3:28 - 3:31发生多大的变化
-
3:32 - 3:36掌握了斜率的值
我们可以做些好玩的事儿 -
3:36 - 3:37例如——
-
3:37 - 3:39如果把一个老师的颜值分
-
3:39 - 3:42从2变到3会怎样呢?
-
3:42 - 3:45她的评估分会提高多少?
-
3:45 - 3:48我们可以从预测模型中
直接估算出变化 -
3:49 - 3:51我们把她的颜值分加了1分
-
3:51 - 3:55很简单——
评价分的变化等于斜率值 0.2 -
3:55 - 3:57如果把她的颜值分提高一倍
-
3:57 - 4:01从2增加4,又会如何呢?
-
4:03 - 4:07现在,我们用
解释变量的变化值2 -
4:07 - 4:10乘以斜率0.2
-
4:10 - 4:13求得评估分的预期变化值
-
4:14 - 4:18所以,当一位老师的
颜值分增加2个单位 -
4:18 - 4:22我们预测她的
评估分会提高0.4 -
4:22 - 4:27我们可以通过阅读回归线
得到同样的结果 -
4:27 - 4:32如果从2分开始
我们会看到评估分约为7.5分 -
4:32 - 4:35如果我们移到4分
-
4:35 - 4:39我们看到评估分
差一点达到8分 -
4:39 - 4:41这0.4的差异与我们之前
-
4:41 - 4:46用回归曲线公式
计算出的差异相同 -
4:46 - 4:49请注意这个
非常重要的警示 -
4:49 - 4:51我好像听起来在说
-
4:51 - 4:54高颜值会导致高的评估分
-
4:54 - 4:57但事实可能根本不是如此!
-
4:57 - 4:59高颜值可能与高的评估分
-
4:59 - 5:02具有相关性
-
5:02 - 5:05但可能并不是
评估分高的真正原因 -
5:06 - 5:07举个例子
-
5:07 - 5:12有些尽心尽责的老师
在活跃课堂的同时 -
5:12 - 5:14也注重外表
-
5:15 - 5:19时髦的装束会
导致颜值分高 -
5:19 - 5:21在这种情况下
-
5:21 - 5:26我们看到颜值分
与评估分之间成正相关 -
5:26 - 5:30但颜值的改变不会
导致评估分发生变化 -
5:31 - 5:32这个例子再次提醒我们
-
5:32 - 5:35相关性不等于因果关系
-
5:36 - 5:39这是我们将在以后的视频中
讨论的内容 -
5:40 - 5:41话虽如此
-
5:41 - 5:44还是让我们再做个练习
巩固一下 -
5:44 - 5:50假设增加颜值确实
会导致更高的评估分 -
5:50 - 5:53如果教授的颜值
从2分变到7分 -
5:53 - 5:55评估分的预期变化是多少?
-
5:56 - 5:58请用两种方法计算
-
5:58 - 6:00我会暂停一下
-
6:00 - 6:02当你做好答案后
请回到视频 -
6:02 - 6:03♪ [音乐] ♪
-
6:04 - 6:06通过使用公式中的斜率
-
6:06 - 6:08或直接从回归线中读取数据
-
6:08 - 6:10你应该已经得出了
-
6:10 - 6:12评估分的变化值
-
6:13 - 6:16如果你做错了——
没什么大不了的 -
6:16 - 6:18再试一次
-
6:19 - 6:22现在我们已经了解了线性方程
-
6:22 - 6:25特别是斜率的重要性
-
6:25 - 6:26在下一个视频中
-
6:26 - 6:30我们将研究异常值
对线性回归的影响 -
6:30 - 6:31♪[音乐]♪
-
6:32 - 6:33- [讲解员] 祝贺你!
-
6:33 - 6:36你离成为数据“忍者”
又近了一步! -
6:36 - 6:38不过,要想熟练掌握所学内容
-
6:38 - 6:40你还需要做些习题
-
6:40 - 6:41来磨练技艺
-
6:41 - 6:44准备好迎接下一个挑战了吗?
请点击“下一个视频” -
6:44 - 6:49♪ [音乐] ♪
- Title:
- Interpreting the Regression Line
- Video Language:
- English
- Team:
- Marginal Revolution University
- Project:
- Understanding Data
- Duration:
- 06:51
YIJUN HE approved Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line | ||
YIJUN HE edited Chinese, Simplified subtitles for Interpreting the Regression Line |