Estadísticas de Definiciones > r2 Ajustado
Ver el video o leer el artículo a continuación:
¿necesita ayuda con una pregunta de tarea? Echa un vistazo a nuestra página de tutoría!,
R2 AJUSTADO: Descripción general
R2 ajustado es una forma especial de R2, el coeficiente de determinación.
El R2 ajustado tiene muchas aplicaciones en la vida real. Imagen: USCG
R2 muestra qué tan bien los Términos (puntos de datos) se ajustan a una curva o línea. R2 AJUSTADO también indica qué tan bien los Términos se ajustan a una curva o Línea, pero se ajusta para el número de términos en un modelo. Si agrega más y más variables inútiles a un modelo, R-cuadrado ajustado disminuirá. Si agrega más variables útiles, R-cuadrado ajustado aumentará.,
R2 AJUSTADO siempre será menor o igual a R2.
solo necesita R2 cuando trabaja con muestras. En otras palabras, R2 no es necesario cuando se tienen datos de toda una población.
La fórmula es:
donde:
- N es el número de puntos en la muestra de datos.
- K es el número de regresores independientes, es decir, el número de variables en su modelo, excluyendo la constante.
si ya conoce R2, entonces es una fórmula bastante simple para trabajar., Sin embargo, si usted no tiene ya R2 entonces usted probablemente no querrá calcular esto a mano! (Si es necesario, vea cómo calcular el coeficiente de determinación). Hay muchos paquetes estadísticos que pueden calcular AJUSTADO R cuadrado para usted. AJUSTADO R cuadrado se da como parte de la salida de regresión de Excel. Ver: Excel regresión análisis salida explicado.
Significado de R2 Ajustado
Tanto el R2 y el R2 ajustado dar una idea de cómo muchos puntos de datos caen dentro de la línea de la ecuación de regresión., Sin embargo, hay una diferencia principal entre R2 y el R2 AJUSTADO: R2 asume que cada variable explica la variación en la variable dependiente. El R2 AJUSTADO le dice el porcentaje de variación explicado solo por las variables independientes que realmente afectan a la variable dependiente.
cómo R2 AJUSTADO te penaliza
El R2 AJUSTADO te penalizará por agregar variables independientes (K en la ecuación) que no se ajustan al modelo. ¿Por qué? En el análisis de regresión, puede ser tentador agregar más variables a los datos a medida que piensa en ellos., Algunas de esas variables serán significativas, pero no puedes estar seguro de que la importancia sea solo por casualidad. El R2 AJUSTADO compensará esto penalizando por esas variables adicionales.
aunque los valores suelen ser positivos, también pueden ser negativos. Esto podría suceder si su R2 es cero; después del ajuste, el valor puede caer por debajo de cero. Esto generalmente indica que su modelo es un mal ajuste para sus datos. Otros problemas con su modelo también pueden causar valores por debajo de cero, como no poner un término constante en su modelo.,
los problemas con R2 que se corrigen con un R2 AJUSTADO
- R2 aumenta con cada predictor agregado a un modelo. Como R2 siempre aumenta y nunca disminuye, puede parecer que encaja mejor con los términos que agregue al modelo. Esto puede ser completamente engañoso.
- Del mismo modo, si su modelo tiene demasiados términos y demasiados polinomios de alto orden, puede encontrarse con el problema de sobreajustar los datos. Cuando se sobrepasan los datos, un valor de R2 engañosamente alto puede llevar a proyecciones engañosas.,
——————————————————————————
Necesito ayuda con una tarea o cuestión de prueba? Con Chegg Study, puede obtener soluciones paso a paso a sus preguntas de un experto en el campo. ¡Tus primeros 30 minutos con un tutor de Chegg son GRATIS!