多元回归算法度量映射
ATT 引擎中的多元回归算法增加了多个额外输出，可以在度量映射中选用。这些度量全都特定于多元回归算法，其值也不用于其他算法。
| 字段名称 | 范围 | 说明 |
|---|---|---|
| 调整 R 平方 | 静态 (PCONST) | 包括用于多元回归模型拟合的调整 R 平方值。调整 R 平方是对 R 平方计算的一种调整，用于考量自变量数目和观察数。通常而言，建议您使用 R 平方统计之外的统计。
然而，选择的参数过多时可能会出现错误。当您向模型添加了过多“无用的”变量时，调整 R 平方选项可用于减少错误的数量。但是，向模型添加更多“有用的”变量会增加错误数量。调整 R 平方值始终小于或等于 R 平方。 |
| 交叉验证 | 静态 (PCONST) | 包括用于多元回归模型拟合的交叉验证值。这是有助于模型选择的统计。这也称为 LOOCV（留一法交叉验证），是 AICc 和 BIC 的替代选择。对于这一统计，值最小的模型被视为最佳模型。 |
| 截距 | 静态 (PCONST) | 包括用于多元回归模型拟合的截距加权。这代表模型的级别，即，当所有自变量的值都为零时。 |
| F 统计 | 静态 (PCONST) | 包括用于多元回归模型拟合的总量 F 统计。这是一起考量时与所有自变量（截距除外）相关的一种测试统计。该统计是每一自由度的可释方差与每一自由度的无释方差的比率。 |
| F 统计 P 值 | 静态 (PCONST) | 包括用于多元回归模型拟合的总量 F 统计 P 值。它是所有真系数为零时产生较大值的概率，当 P 值 < 0.05 时表示显著性，即，至少有部分变量是显著的。
P 值通常小于个体 t 统计的最小 P 值，截距除外。因此，如果至少一个自变量包含显著的 P 值，则 F 统计 P 值不具相关性。此值主要在自变量仅稍微显著并且可能有理由认为群体显著时具有相关性。 |
| R 平方 | 静态 (PCONST) | 包括用于多元回归模型拟合的 R 平方值（回归标准差）。此偏差表示相关系数的平方，衡量与仅使用截距的模型相比时的回归强度。这只有在添加了额外回归因子时增大值，因此可能有误导性；这是因为，尽管新回归因子的数量增加，但值没有添加到模型的预测绩效。 |
| t 统计截距 | 静态 (PCONST) | 包括作为多元回归模型拟合的截距的“t 统计”。这表示由标准误差划分的截距；即，当自变量的值为零时，截距表示模型的下一个较低级别。 |
| t 统计 P 值截距 | 静态 (PCONST) | 包括用于多元回归模型拟合的“t 统计”P 值。t 统计 P 值表示观察到的“t 统计”的显著性级别。 |