1 定义
1.1 基本含义
拟合值是指在给定统计模型和自变量取值的条件下，由模型计算得到的响应变量估计结果。它反映了模型对数据结构的概括，是回归分析中最基础的输出之一。通常，拟合值用于表示“模型认为”在某一观测条件下应出现的结果。
1.2 数学表示
在回归框架中，拟合值常记为 \(\hat{y}\) 或 \(\hat{y}_i\)，表示第 \(i\) 个样本点对应的模型估计响应。若模型写作 \(y=f(x)+\varepsilon\)，则拟合值通常是 \(\hat{f}(x)\) 的输出，即不含随机误差部分的模型部分。在线性回归中，拟合值可由设计矩阵与参数估计量相乘得到。
1.3 与观测值的关系
观测值是数据中实际记录到的数值，而拟合值则是模型根据观测自变量推算出的数值。两者之间的差异构成残差，常用于衡量模型与数据之间的偏离程度。若拟合值与观测值接近，通常说明模型在样本内具有较好的解释能力。
1.4 与预测值的区别
拟合值与预测值都来自模型，但二者适用场景不同。拟合值通常针对训练样本中已有的自变量取值，用于描述样本内估计结果；预测值则更强调对未来或新样本的输出推断。一般而言，预测值会更加关注不确定性，并常伴随预测区间。
2 统计建模中的拟合值
2.1 线性回归中的拟合值
在线性回归中，拟合值由自变量的线性组合构成，是最常见的形式。若模型为 \(y=X\beta+\varepsilon\)，则拟合值可写为 \(\hat{y}=X\hat{\beta}\)。它是最小二乘估计的直接结果，也是后续残差分析和模型诊断的基础。
2.1.1 最小二乘法下的计算
最小二乘法通过最小化残差平方和来确定参数估计值，进而得到拟合值。在线性模型中，参数估计量可由正规方程求得，再代回模型计算每个样本点的 \(\hat{y}_i\)。这种方法的优点是计算简洁，且在一定条件下具有明确的统计性质。
2.1.2 杠杆值与影响点
杠杆值描述某一观测点自变量位置对拟合结果的影响程度。自变量取值越特殊，相关样本点对拟合值的“拉动”往往越大。若某点同时具有较高杠杆值和较大残差，便可能成为影响点，对模型参数与拟合值产生显著作用。
2.2 广义线性模型中的拟合值
在广义线性模型中，拟合值不一定直接等于响应变量的平均值本身，而常通过链接函数与均值参数联系起来。此时，模型先估计线性预测子，再经由反链接函数转换为响应尺度上的拟合值。由于响应变量类型可能为二项、计数或其他非正态分布，拟合值的解释也会随之变化。
2.3 非线性模型中的拟合值
非线性模型中的拟合值由非线性函数直接给出，不再局限于参数的线性组合。与线性回归相比，这类模型对曲线形态的刻画能力更强，适合描述复杂增长、饱和或阈值效应。其拟合过程通常依赖迭代算法，因此参数估计与拟合值计算往往更为复杂。
2.4 机器学习模型中的拟合值
在机器学习中，拟合值常指模型对训练样本输出的结果。无论是决策树、支持向量机还是神经网络，只要模型对输入特征给出一个响应估计，都可视作拟合值。此时，拟合值不仅用于评价训练效果，也常作为比较训练误差与泛化误差的重要依据。
3 相关统计量
3.1 残差
3.1.1 残差的定义
残差是观测值与拟合值之差，常写作 \(e_i=y_i-\hat{y}_i\)。它表示模型未能解释的部分，是衡量拟合偏差的核心量。残差的大小、方向和分布状况，通常能够揭示模型是否存在系统性偏差。
3.1.2 残差与拟合值的关系
残差与拟合值在很多模型中呈互补关系。拟合值越接近观测值，残差通常越小；反之，若拟合值偏离实际数据较多，则残差会增大。通过考察残差随拟合值的变化模式，可以判断模型是否满足线性、同方差或独立性等假设。
3.2 判定系数
判定系数通常记为 \(R^2\)，用于衡量模型对响应变量变异的解释比例。它与拟合值密切相关，因为拟合值越能接近观测值，模型解释的总变异就越多。需要注意的是，高 \(R^2\) 并不必然意味着模型一定优良，还应结合残差结构和外部验证结果综合判断。
3.3 均方误差
均方误差是评估拟合值偏离程度的常用指标，通常定义为残差平方的平均值。该指标对较大的误差更为敏感，因此能突出模型在极端样本上的偏差。均方误差越小，通常表示拟合结果越接近真实观测。
3.4 标准误
标准误用于描述估计量或拟合结果的不确定性。对于回归系数而言，标准误反映参数估计的离散程度；对于预测或拟合结果，也可用于构造区间估计。它在判断拟合值可靠性时具有重要意义，尤其在样本量较小或噪声较大时更为明显。
4 模型评估与诊断
4.1 拟合优度
拟合优度用于概括模型对数据的解释程度，往往与拟合值的贴近程度相关。评估拟合优度时，通常会结合 \(R^2\)、调整 \(R^2\)、残差分布以及信息准则等指标。单独观察拟合值是否“接近”观测值并不足够，还应考虑模型的可推广性。
4.2 过拟合与欠拟合
过拟合是指模型对训练数据拟合过度，以至于连噪声也被当作规律学习进去。欠拟合则表示模型过于简单，无法充分捕捉数据中的主要模式。二者都会影响拟合值的解释价值：过拟合常使样本内拟合值过于乐观，欠拟合则使拟合值系统性偏离观测值。
4.3 异常值检测
异常值是与整体数据模式明显不一致的观测点，常会显著影响拟合值。通过比较残差大小、杠杆值和影响度，可以识别出潜在异常点。若这些点被错误纳入模型而不加处理，可能导致拟合结果失真。
4.4 残差分析
4.4.1 残差图
残差图是最常用的诊断工具之一，通常将残差与拟合值或自变量作图。若点云随机分布，说明模型假设可能较为合理；若出现曲线形态、漏斗形态或分层结构，则提示模型可能存在设定不足。
4.4.2 正态性检验
正态性检验用于检查残差是否近似服从正态分布。虽然并非所有模型都严格要求残差正态，但在许多参数推断中，这一假设具有重要作用。常见方法包括图形检查与统计检验两类。
4.4.3 异方差检验
异方差是指残差的波动大小随拟合值或自变量变化而改变。若存在异方差，模型给出的拟合值在不同区间上的稳定性会下降，标准误和显著性检验也可能受到影响。通过专门检验，可以判断是否需要变换变量或采用稳健方法。
5 实际应用
5.1 回归分析
在回归分析中，拟合值用于描述自变量变化如何对应响应变量变化。研究者常借助拟合值观察模型是否能够较好复现样本结构，并据此解释变量之间的关系。它也是建立回归表、绘制回归曲线和做后续推断的基础。
5.2 时间序列分析
在时间序列分析中，拟合值用于表示模型对某一时点序列值的解释结果。它可帮助研究趋势、季节性和周期性成分，并与实际序列对比以检验模型有效性。若拟合值能较好捕捉动态变化，往往意味着模型对时间结构刻画较充分。
5.3 生物统计学
生物统计学中常使用拟合值来描述剂量反应、疾病风险或生长曲线等关系。由于这类数据常带有随机性和分布复杂性，拟合值有助于从观测数据中提取总体趋势。它也常用于临床或实验研究中的效应评估。
5.4 经济学建模
在经济学建模中，拟合值常用于解释供需关系、消费行为、产出变化等现象。模型通过历史数据生成拟合值，再与实际经济指标比较，以评估理论假设是否成立。对于宏观或微观数据，拟合值都能帮助研究者识别主要影响因素。
5.5 工程与质量控制
在工程与质量控制领域，拟合值可用于监测生产过程是否稳定，以及产品指标是否符合预期。通过比较拟合值与实际测量值，可以识别设备漂移、工艺波动或原材料变化带来的影响。它在控制图分析和过程优化中也有广泛用途。
6 计算与软件实现
6.1 手工计算
在简单线性回归中，拟合值可以通过已估计的截距和斜率直接代入自变量求得。对于少量样本，手工计算有助于理解拟合过程与残差来源。虽然实际应用中较少完全依赖手算，但它在教学和概念理解方面十分重要。
6.2 统计软件中的输出
多数统计软件都会在回归结果中直接给出拟合值或相关的预测输出。用户通常可以通过结果表、诊断图或保存预测变量的功能，查看每个样本对应的拟合结果。软件输出还常附带标准误、残差和拟合优度指标，便于综合判断模型质量。
6.3 编程语言中的实现
6.3.1 R
R 语言在统计建模方面应用广泛，拟合值通常可由模型对象直接提取。常见做法是先建立回归模型，再调用相应函数获得拟合结果、残差和诊断量。其语法简洁，适合教学、研究与批量分析。
6.3.2 Python
Python 常借助统计建模库和机器学习库生成拟合值。用户可以通过模型的预测接口得到训练集拟合结果，也可进一步计算误差指标和绘制诊断图。由于生态丰富，Python 既适合传统统计分析，也适合较复杂的预测任务。
6.3.3 MATLAB
MATLAB 常用于数值计算和工程建模中的拟合分析。通过内置回归函数或优化工具，可以较方便地获得拟合值并进行图形化展示。它在算法验证、仿真研究和信号处理场景中较为常见。
7 常见误区
7.1 将拟合值等同于真实值
拟合值是模型估计的结果，并不等于观测世界中的真实值。即使拟合效果很好，也仍然存在误差和不确定性。把拟合值当作真实值，容易导致对模型能力的过度解读。
7.2 混淆拟合值与预测值
拟合值主要针对已观测样本，而预测值面向新数据或未来数据。二者虽相关，但适用目的和误差结构不同。将它们混为一谈，可能会错误理解模型的外推能力。
7.3 忽视模型假设
拟合值的意义依赖于模型设定是否合理。若线性、独立性、同方差或分布假设不成立，则即便拟合值看起来接近观测值，也可能并不可靠。模型诊断因此是解释拟合结果不可缺少的一环。
7.4 过度依赖高拟合度
高拟合度并不总意味着模型优越，有时只是说明模型对样本数据记忆较强。若缺少验证和诊断，过高的拟合度可能掩盖模型不稳定或泛化较差的问题。评价模型时应兼顾简洁性、稳健性与可解释性。
8 相关概念
8.1 观测值
观测值是通过实验、调查或记录直接获得的数据，是模型拟合的原始依据。它与拟合值相对，代表现实中实际出现的数值。两者之间的差异构成模型评估的核心内容。
8.2 预测区间
预测区间是对未来单个观测值可能落入范围的估计。与仅给出点状拟合值不同，预测区间会考虑随机波动和估计不确定性，因此范围通常更宽。它常用于实际决策场景中的风险评估。
8.3 置信区间
置信区间用于描述总体参数或均值估计的不确定范围。它与拟合值相关，但关注对象不同：置信区间针对参数或平均响应，而非单个新观测。通过置信区间，可以更全面地理解估计结果的稳定程度。
8.4 残差平方和
残差平方和是所有残差平方的总和，是衡量模型拟合偏差的经典指标。在线性回归中，最小化残差平方和是参数估计的核心目标之一。该指标越小，通常意味着拟合值越接近观测值，模型对数据的解释越充分。