Birden korelasyon geometrik anlamı ilgilenen am ve kararlılık katsayısı Regresyondaki veya vektör gösteriminde,R 2 y i = β 1 + β 2 x 2 , i + ⋯ + β k x k , i + ϵ i
Burada, " tasarım matrisi , satır ve sütununa sahiptir, bunlardan ilki , 1 kesişimine karşılık gelen bir . n k x 1 = 1 n β 1
Geometri daha ilginçtir boyutlu konu alan ziyade içinde boyutlu değişken alanı. Şapka matrisini tanımlayın:k
Bu, sütun alanına dikgen bir projeksiyondur ; yani, her biri değişkenini temsil eden vektörleri tarafından yayılan orijinden geçen daire , ilki . Ardından , gözlenen yanıtların vektörünü "gölgesine", takılı değerlerin vektörüne , ve biz izdüşüm yolunun etrafına bakınca kalıntı vektörünü görelim bir üçgenin üçüncü tarafını oluşturur. Bu bize geometrik yorumuna iki yol göstermelidir.:
- Çoklu korelasyon katsayısı, kare arasındaki ilişki olarak tanımlanır, ve y . Bu, geometrik olarak bir açının kosinüsü olarak görünecektir.
- Vektörlerin uzunlukları açısından: örneğin .
Açıklayan kısa bir hesap görmek beni çok mutlu eder:
- (1) ve (2) için daha ince detaylar,
- (1) ve (2) neden eşdeğerdir?
- Kısaca, geometrik kavrayış bize temel özelliklerini nasıl görselleştirmemize izin veriyor , mesela gürültü varyansı 0'a gittiğinde neden 1'e gidiyor? Güzel bir resim.)
Değişkenleri önce merkezlenmişse, bu kesiti sorudan kaldıran şey daha basit olur. Bununla birlikte, çoklu regresyon sağlayan birçok ders kitabı hesabında, tasarım matrisi ortaya koyduğum gibidir. Elbette, bir merkezlenmiş değişkenlerin kapsadığı boşluğa bir açıklama girerse sorun yoktur, ancak ders kitabı doğrusal cebirine ilişkin içgörü için, bunu merkezsiz ortamda geometrik olarak olanlarla ilişkilendirmek çok yararlı olacaktır. Bir gerçekten anlayışlı cevap açıklayabilir tam geometrik parçalayarak ne kesişme terim düştüğünde - yani ne zaman vektöryayılma kümesinden çıkarıldı. Bu son noktanın yalnızca merkezlenmiş değişkenler göz önüne alınarak ele alınabileceğini sanmıyorum.