把第一組資料的十一個點裝進統計計算機,回歸卡片印出 y = 0.5000909091x + 3.000090909,相關係數 R 0.8164205163,決定係數 R² 0.6665424595,資料點數 N 11。這些就是安斯康姆發表的那組數字,連最後一位顯示數字都對得上:斜率 0.5、截距 3,多出來的那些 9 來自他自己加進去的雜訊。
這四組資料的用意在於:另外三組給出同樣的 x 平均數(9)、同樣的 y 平均數(7.50)、同樣的方差、同樣的擬合直線和同樣的 R——可一旦畫出來卻彼此毫不相像:一組是帶散佈的乾淨直線,一組是曲線,一組是直線上只掛著一個偏離得離譜的點,還有一組是一摞豎直疊著的點,只靠一個高槓桿值把斜率壓住。安斯康姆在數字旁邊配了一張圖,正是因為一張摘要表說不出這個區別。
答案
y = 0.5000909091x + 3.000090909
口徑說明
安斯康姆第一組資料那十一個點的回歸卡片,x̄ = 9、ȳ = 7.50。直線按 ŷ = bx + a 的次序印出,斜率在前。
出處
F. J. Anscombe, “Graphs in Statistical Analysis”, The American Statistician 27(1), 1973 — the four x, y pairs with near-identical summary statistics
在計算機裡做這道題
下面的連結直接開啟對應的計算機,並把這道題的數字填進屏幕——答案就是上面那一行,可以自己核對。