把第一组数据的十一个点装进统计计算器,回归卡片印出 y = 0.5000909091x + 3.000090909,相关系数 R 0.8164205163,决定系数 R² 0.6665424595,数据点数 N 11。这些就是安斯康姆发表的那组数字,连最后一位显示数字都对得上:斜率 0.5、截距 3,多出来的那些 9 来自他自己加进去的噪声。
这四组数据的用意在于:另外三组给出同样的 x 平均数(9)、同样的 y 平均数(7.50)、同样的方差、同样的拟合直线和同样的 R——可一旦画出来却彼此毫不相像:一组是带散布的干净直线,一组是曲线,一组是直线上只挂着一个偏离得离谱的点,还有一组是一摞竖直叠着的点,只靠一个高杠杆值把斜率压住。安斯康姆在数字旁边配了一张图,正是因为一张摘要表说不出这个区别。
答案
y = 0.5000909091x + 3.000090909
口径说明
安斯康姆第一组数据那十一个点的回归卡片,x̄ = 9、ȳ = 7.50。直线按 ŷ = bx + a 的次序印出,斜率在前。
出处
F. J. Anscombe, “Graphs in Statistical Analysis”, The American Statistician 27(1), 1973 — the four x, y pairs with near-identical summary statistics
在计算器里做这道题
下面的链接直接打开对应的计算器,并把这道题的数字填进屏幕——答案就是上面那一行,可以自己核对。