Đánh giá độ phù hợp của mô hình Measures of fit and prediction accuracy 1. Giới thiệu Chào mừng các bạn quay trở lại. Sau khi đã ước lượng được một mô hình hồi quy, chúng ta có một đường thẳng đại diện cho mối quan hệ trung bình giữa hai biến. Tuy nhiên, việc có một đường thẳng là chưa đủ. Chúng ta cần biết mức độ “phù hợp” của đường thẳng đó với các điểm dữ liệu thực tế. Hãy tưởng tượng hai kịch bản: (1) tất cả các điểm dữ liệu nằm rất gần đường hồi quy, và (2) các điểm dữ liệu phân tán rộng và xa đường hồi quy. Rõ ràng, mô hình trong kịch bản (1) mô tả dữ liệu tốt hơn và cho phép dự báo chính xác hơn. Vậy làm thế nào để lượng hóa mức độ phù hợp này? Trong bài học này, chúng ta sẽ tìm hiểu hai thước đo phổ biến và quan trọng nhất: Hệ số xác định R-squared ($R^2$) và Sai số chuẩn của hồi quy (SER). …