le Statistiche di Definizioni > Adjusted r2
Guarda il video o leggere l’articolo qui sotto:
Hai bisogno di aiuto con una domanda a casa? Controlla la nostra pagina di tutoraggio!,
R2 regolato: Panoramica
R2 regolato è una forma speciale di R2, il coefficiente di determinazione.
Il R2 regolato ha molte applicazioni nella vita reale. Immagine: USCG
R2 mostra quanto bene termini (punti dati) si adattano una curva o una linea. Rettificato R2 indica anche quanto bene termini si adattano una curva o una linea, ma regola per il numero di termini in un modello. Se si aggiungono sempre più variabili inutili a un modello, l’r-quadrato regolato diminuirà. Se si aggiungono più variabili utili, r-squared rettificato aumenterà.,
R2 regolato sarà sempre minore o uguale a R2.
Hai solo bisogno di R2 quando lavori con i campioni. In altre parole, R2 non è necessario quando si hanno dati da un’intera popolazione.
La formula è:
dove:
- N è il numero di punti nel campione di dati.
- K è il numero di regressori indipendenti, cioè il numero di variabili nel modello, esclusa la costante.
Se conosci già R2, è una formula abbastanza semplice da lavorare., Tuttavia, se non hai già R2, probabilmente non vorrai calcolarlo a mano! (Se è necessario, vedere Come calcolare il coefficiente di determinazione). Ci sono molti pacchetti statistici che possono calcolato regolato r al quadrato per voi. Rettificato r al quadrato è dato come parte dell’output di regressione di Excel. Vedi: Excel regressione analisi output spiegato.
Significato di R2 regolato
Sia R2 che R2 regolato danno un’idea di quanti punti dati rientrano nella linea dell’equazione di regressione., Tuttavia, c’è una differenza principale tra R2 e R2 regolato: R2 presuppone che ogni singola variabile spieghi la variazione nella variabile dipendente. Il R2 rettificato indica la percentuale di variazione spiegata solo dalle variabili indipendenti che effettivamente influenzano la variabile dipendente.
Come rettificato R2 ti penalizza
Il rettificato R2 ti penalizzerà per l’aggiunta di variabili indipendenti (K nell’equazione) che non si adattano al modello. Perché? Nell’analisi di regressione, si può essere tentati di aggiungere più variabili ai dati come si pensa di loro., Alcune di queste variabili saranno significative, ma non puoi essere sicuro che il significato sia solo per caso. L’R2 rettificato compenserà questo penalizzandoti per quelle variabili extra.
Mentre i valori sono solitamente positivi, possono anche essere negativi. Questo potrebbe accadere se il tuo R2 è zero; Dopo la regolazione, il valore può scendere sotto lo zero. Questo di solito indica che il tuo modello è poco adatto ai tuoi dati. Altri problemi con il modello possono anche causare valori sotto zero, ad esempio non inserire un termine costante nel modello.,
Problemi con R2 corretti con un R2 aggiustato
- R2 aumenta con ogni predittore aggiunto a un modello. Poiché R2 aumenta sempre e non diminuisce mai, può sembrare una misura migliore con più termini si aggiunge al modello. Questo può essere completamente fuorviante.
- Allo stesso modo, se il tuo modello ha troppi termini e troppi polinomi di alto ordine, puoi incorrere nel problema di sovra-adattare i dati. Quando si sovrappongono i dati, un valore R2 fuorviante può portare a proiezioni fuorvianti.,
——————————————————————————
Hai bisogno di aiuto con un compito a casa o una domanda di prova? Con Chegg Studio, è possibile ottenere soluzioni passo-passo alle vostre domande da un esperto del settore. I tuoi primi 30 minuti con un tutor Chegg sono gratuiti!