Cuprins:
- Coeficientul de Determinație (R-Squared)
- Ce este valoarea Ajustată a Coeficientului de Determinație?
coeficientul de determinare (R pătrat)
coeficientul de determinare, R2, este utilizat pentru a analiza modul în care diferențele într-o variabilă pot fi explicate printr-o diferență într-o a doua variabilă. De exemplu, atunci când o persoană rămâne însărcinată are o legătură directă cu momentul nașterii., mai exact, R-squared vă oferă variația procentuală în y explicată prin variabilele X. Intervalul este de la 0 la 1 (adică 0% la 100% din variația în y poate fi explicată prin variabilele x).
coeficientul de determinare, R2, este similar cu coeficientul de corelație, R. formula coeficientului de corelație vă va spune cât de puternică a unei relații liniare există între două variabile. R pătrat este pătratul coeficientului de corelație, r (de aici termenul r pătrat)., Urmăriți acest videoclip pentru o scurtă definiție A r pătrat și cum să-l găsiți:
găsirea R pătrat / coeficientul de determinare
aveți nevoie de ajutor cu o întrebare pentru teme? Vezi pagina noastră de îndrumare!
Pasul 1: găsiți coeficientul de corelație, r (vi se poate da în întrebare). Exemplu, r = 0.543.
Pasul 2: pătrat coeficientul de corelație.
0, 5432=.295
Pasul 3: convertiți coeficientul de corelație într-un procent.
.295 = 29.5%
asta este!,
sensul coeficientului de determinare
coeficientul de determinare poate fi considerat ca un procent. Acesta vă oferă o idee despre cât de multe puncte de date se încadrează în rezultatele liniei formate de ecuația de regresie. Cu cât este mai mare coeficientul, cu atât este mai mare procentul de puncte prin care trece linia atunci când punctele de date și linia sunt reprezentate grafic. Dacă coeficientul este de 0,80, atunci 80% din puncte ar trebui să se încadreze în linia de regresie. Valorile de 1 sau 0 ar indica linia de regresie reprezintă toate sau nici una dintre datele, respectiv., Un coeficient mai mare este un indicator al unei bunătăți mai bune de potrivire pentru observații.
codul poate fi negativ, deși acest lucru înseamnă, de obicei, că modelul dvs. este o potrivire slabă pentru datele dvs. De asemenea, poate deveni negativ dacă nu ați stabilit o interceptare.
utilitatea R2
utilitatea R2 este capacitatea sa de a găsi probabilitatea unor evenimente viitoare care se încadrează în rezultatele prezise. Ideea este că, dacă se adaugă mai multe eșantioane, coeficientul ar arăta probabilitatea ca un nou punct să cadă pe linie.,
chiar dacă există o legătură puternică între cele două variabile, determinarea nu dovedește cauzalitatea. De exemplu, un studiu privind zilele de naștere poate arăta că un număr mare de zile de naștere se întâmplă într-un interval de timp de una sau două luni. Acest lucru nu înseamnă că trecerea timpului sau schimbarea anotimpurilor provoacă sarcină.
Sintaxa
coeficientul de determinare este de obicei scris ca R2_p. „P” indică numărul de coloane de date, care este util atunci când se compară R2 de diferite seturi de date.,
înapoi la început
care este coeficientul de determinare ajustat?
coeficientul de determinare ajustat (ajustat R-pătrat) este o ajustare pentru coeficientul de determinare care ia în considerare numărul de variabile dintr-un set de date. De asemenea, vă penalizează pentru puncte care nu se potrivesc modelului.este posibil să știți că puține valori dintr-un set de date (un eșantion prea mic) pot duce la statistici înșelătoare, dar este posibil să nu știți că prea multe puncte de date pot duce, de asemenea, la probleme. De fiecare dată când adăugați un punct de date în analiza de regresie, R2 va crește., R2 nu scade niciodată. Prin urmare, cu cât adăugați mai multe puncte, cu atât regresia va părea să „se potrivească” cu datele dvs. Dacă datele dvs. nu se potrivesc destul de bine unei linii, poate fi tentant să continuați să adăugați date până când aveți o potrivire mai bună. unele dintre punctele pe care le adăugați vor fi semnificative (se potrivesc modelului), iar altele nu. R2 nu-i pasă de punctele nesemnificative. Cu cât adăugați mai mult, cu atât este mai mare coeficientul de determinare.
R2 ajustat poate fi folosit pentru a include un număr mai adecvat de variabile, zădărnicind tentația de a continua adăugarea de variabile la setul de date., R2 ajustat va crește numai dacă un nou punct de date îmbunătățește regresia mai mult decât v-ați aștepta din întâmplare. R2 nu include toate punctele de date, este întotdeauna mai mic decât R2 și poate fi negativ (deși este de obicei pozitiv). Valorile Negative se vor întâmpla probabil dacă R2 este aproape de zero — după ajustare, valoarea va scădea puțin sub zero.
Pentru mai multe, a se vedea: ajustat R-pătrat.consultați canalul meu Youtube pentru mai multe sfaturi despre statistici și ajutor!,
——————————————————————————
ai Nevoie de ajutor cu o tema sau întrebare de testare? Cu studiul Chegg, puteți obține soluții pas cu pas la întrebările dvs. de la un expert în domeniu. Primele 30 de minute cu un tutore Chegg sunt gratuite!