回归分析我们一般用哪个绝对指标评价模型性能

在回归分析中，我们一般使用下列三个绝对指标来评价模型性能：

1. 平均绝对误差（Mean Absolute Error，MAE）：表示预测值与真实值之间的误差绝对值的平均值，MAE值越小，预测效果越好。MAE的计算公式为：$MAE=\frac{1}{n}\sum_{i=1}^n|y_i-\hat{y}_i|$，其中$n$表示样本数，$y_i$表示真实值，$\hat{y}_i$表示预测值。

2. 均方误差（Mean Squared Error，MSE）：表示预测值与真实值之间的误差平方和的平均值，MSE值越小，预测效果越好。MSE的计算公式为：$MSE=\frac{1}{n}\sum_{i=1}^n(y_i-\hat{y}_i)^2$。

3. 均方根误差（Root Mean Squared Error，RMSE）：表示MSE的平方根，与MSE的性质相同，但是由于对MSE值进行了开方操作，因此RMSE值比MSE值更易于解释。RMSE的计算公式为：$RMSE=\sqrt{MSE}$。

这些绝对指标都可以反映回归模型的预测能力和解释能力，同时都不受数据单位的影响。选择哪个指标评价模型性能应该根据具体问题和分析目的进行选择。