线性回归与误差碗

《线性回归与误差碗》在分屏 3D 工作室中将统计学与优化连接起来。在左侧面板上，六个可拖动的散点（包括一个高杠杆的橙色异常值）由试验直线 y = mx + b 拟合。每个点连接着一个真实的红色方块，其边等于垂直残差 |yᵢ − (mxᵢ + b)|，使其面积等于平方误差 eᵢ²。在右侧舞台上，所有方块的总面积绘制为关于斜率和截距参数空间的 3D 抛物面碗 SSE(m, b)。学生可以在碗上拖动参数标记或切换“对齐到最优 OLS”，观察标记落入唯一的全局极小值 (m̂, b̂)，同时监控 r 和 R²。

• 调整“试验斜率 m”和“试验截距 b”滑块或拖动 3D 碗上的金色球，以尽可能缩小红色残差方块。
• 开启“对齐到最优 OLS”，并验证金色参数球精确落在误差碗底部的绿色 OLS 极小值标记上。
• 在散点图上将橙色异常值点大幅向下拖动，并观察单个异常值如何强烈地拉动最优斜率 m̂ 并降低 R²。
• 将所有六个散点排成一条近似直线，并观察相关系数 r 接近 1.000，SSE 接近零。
• 开启和关闭“显示残差方块”，以比较垂直残差 eᵢ 与其平方面积 eᵢ²。

1. 1解释为什么普通最小二乘法 (OLS) 最小化垂直残差平方和 Σ (yᵢ − ŷᵢ)² 而不是有符号残差。
2. 2将代数回归参数（斜率 m 和截距 b）连接到凸 3D 损失曲面 SSE(m, b) 上的坐标。
3. 3评估异常值和高杠杆点如何扭曲最小二乘回归线并降低决定系数 R²。
4. 4将相关系数 r 和 R² 解释为线性关联和解释方差的度量。

教师常问的问题