< Return to Video

解释回归模型中的y截距

  • 0:01 - 0:02
    [讲师]Adrianna收集了一些关于
  • 0:02 - 0:04
    不同学校的胜率
  • 0:04 - 0:08
    以及他们的主教练平均年薪的数据。
  • 0:08 - 0:12
    收集的是2000年至2011年期间的年薪数据,以百万美元为单位。
  • 0:12 - 0:16
    然后她创建了以下散点图和趋势线。
  • 0:16 - 0:18
    这是以百万美元为单位的年薪
  • 0:18 - 0:20
    和胜率。
  • 0:20 - 0:24
    在这里,我们有一个教练赚了超过4百万美元,
  • 0:24 - 0:28
    而且看起来他们赢得了80%以上的比赛。
  • 0:28 - 0:30
    但你有看这里有个教练,
  • 0:30 - 0:31
    他的工资略高于
  • 0:31 - 0:33
    一百五十万美元,
  • 0:33 - 0:35
    而他们的胜率超过85%。
  • 0:35 - 0:38
    这些数据点中的每一个点
  • 0:38 - 0:40
    代表的是一个教练。
  • 0:40 - 0:42
    这里绘制出了他们的薪水,
  • 0:42 - 0:45
    或者说是他们的胜率对比他们的薪水。
  • 0:45 - 0:48
    假设这条直线正确地显示了数据的趋势。
  • 0:48 - 0:50
    这是一个假设。
  • 0:50 - 0:51
    这里有一些异常值
  • 0:51 - 0:54
    与我们的模型离得很远。
  • 0:54 - 0:55
    而这并不是一个......
  • 0:55 - 0:56
    它看起是线性的,
  • 0:56 - 0:58
    这里有一个正的线性相关,
  • 0:58 - 1:00
    但它排布得并不十分紧密。
  • 1:00 - 1:01
    这里有一群教练
  • 1:01 - 1:04
    处于低工资区,
  • 1:04 - 1:06
    而他们的胜率分布从20%左右
  • 1:06 - 1:07
    一直到超过60%。
  • 1:07 - 1:10
    假设这条线正确地显示了数据的趋势,
  • 1:10 - 1:15
    那么这条线的Y截距是39表示的是什么呢?
  • 1:15 - 1:17
    如果你信任这个模型的话,
  • 1:17 - 1:20
    那么Y轴截距为39就表示
  • 1:20 - 1:22
    这个模型是在说
  • 1:22 - 1:24
    如果有教练没有薪水,
  • 1:24 - 1:27
    也就是0美元,
  • 1:27 - 1:28
    那么他们的胜率,
  • 1:28 - 1:32
    该模型预计他们会赢得39%的比赛。
  • 1:32 - 1:33
    这似乎有点不切实际,
  • 1:33 - 1:36
    因为你会期望大多数教练都能得到一些报酬。
  • 1:36 - 1:38
    但无论如何,让我们先看看这些选项中的哪一个
  • 1:38 - 1:40
    正确描述了这一点。
  • 1:40 - 1:43
    让我看一下这些选项。
  • 1:43 - 1:46
    平均工资是3900万美元,不对。
  • 1:46 - 1:48
    我们的图表上没有教练赚到3900万。
  • 1:48 - 1:50
    平均来说,每增加一百万美元的工资
  • 1:50 - 1:53
    就会增加39%的胜率。
  • 1:53 - 1:57
    这种说法与斜率有关,
  • 1:57 - 1:59
    而这里的斜率绝对不是39。
  • 1:59 - 2:01
    平均胜率是39%。
  • 2:01 - 2:03
    我们知道这也不是正确的描述。
  • 2:03 - 2:05
    该模型表明,
  • 2:05 - 2:07
    教练薪水为0百万美元的
  • 2:07 - 2:10
    球队平均胜率约为 39%。
  • 2:10 - 2:13
    这个描述是最接近
  • 2:13 - 2:14
    我们刚才所说的:
  • 2:14 - 2:16
    如果你信任这个模型,
  • 2:16 - 2:17
    这是一个很大的前提假设。
  • 2:17 - 2:19
    如果你信任这个模型,
  • 2:21 - 2:23
    这个模型表示的就是,如果一个球队的教练的薪水为0美元,
  • 2:23 - 2:25
    那么该球队的胜率将是39%。
  • 2:25 - 2:27
    按照模型得到了这种说法使你必须对模型持怀疑态度。
  • 2:27 - 2:29
    这些模型不是完美的。
  • 2:29 - 2:31
    特别是在极端的情况下,往往会像这个例子一样得到不切实际的结论。
  • 2:31 - 2:32
    但谁又知道呢?
  • 2:32 - 2:35
    总之,希望你能觉得这个例子很有用。
Title:
解释回归模型中的y截距
Description:

解释回归模型中的y截距。

练习该学科或者看更多相关课程
http://www.khanacademy.org/math/ap-statistics/bivariate-data-ap/least-squares-regression/v/interpreting-y-intercept-in-regression-model?utm_source=youtube&utm_medium=desc&utm_campaign=apstatistics

可汗学院的AP统计学:认识一下我们的AP统计学作者之一,杰夫。杰夫曾在密歇根州卡拉马祖市担任过10年的高中教师,教过代数1、几何、代数2、统计学入门和AP统计学。如今,他正投入为AP统计学创作新的习题和文章。

可汗学院是一家非营利组织,其使命是为任何地方的任何人提供免费的世界级教育。 我们提供涵盖数学、生物、化学、物理、历史、经济、金融、语法、学前教育等多个学术领域的测验、习题、讲解视频及文章。我们为教师提供工具和数据等资源,让他们能够帮助学生培养出学业及未来成功所必需的技能、习惯和心态。 可汗学院已被翻译成数十种语言,在世界各地每个月都有1.5亿用户在可汗学院上进行学习。作为一家符合501(c)(3)条款的非营利组织,我们需要你的帮助!今天就成为我们捐赠人或志愿者吧!

在线捐款: https://www.khanacademy.org/donate?utm_source=youtube&utm_medium=desc

成为志愿者:https://www.khanacademy.org/contribute?utm_source=youtube&utm_medium=desc

more » « less
Video Language:
English
Team:
Khan Academy
Duration:
02:36

Chinese, Simplified subtitles

Revisions Compare revisions