residual and standard error and R-Squared

@飞翔的小老虎

对的，如果删除large value，那么拟合程度就会变好，连带着SEE变小，R-squared变大。其实道理就是把不好的删除重新估计（拟合程度）就会变好，把好的删除就会变差。关键点就是看删除的是small（好的）还是large（不好的）

--------------

但不能全部删除，残差是散点真实值和方程估计值之间的差，全部删除残差后相当于全部删除了散点，也就没有回归直线了。

同学你好，

这是因为删除的是“small residual values”。然后又是用“reduced sample”来重新估计。

例如有5个数字，3个是10，2个是1，平均值是32/5=6.4；现在剔除这两个1，重新估计的平均值是30/3=10，所以均值变大了。

同理，删除了small residual value后，剩下的都是大的residual value，所以re-estimate后关于残差的相关估计就都会变大。也就是拟合程度变得不好。

反应在SEE上就是变大，反应在R-squared上就是变小，反应在整条直线方程上就是拟合程度变差。