Statistikk Definisjoner > Justert r2
Se videoen eller lese artikkelen nedenfor:
Trenger hjelp med lekser spørsmål? Sjekk ut vår veiledning side!,
Justert R2: Oversikt
Justert R2 er en spesiell form for R2, determinasjonskoeffisient.
Den justerte R2 har mange programmer i det virkelige liv. Bilde: USG
R2 viser hvor godt vilkår (data poeng) monter en kurve eller linje. Justert R2 viser også hvor godt vilkår passer en kurve eller linje, men justeres for det antallet av vilkårene i en modell. Hvis du legger til mer og mer ubrukelig variabler i en modell, justert r-kvadrert vil reduseres. Hvis du vil legge til flere nyttige variabler, justert r-kvadrert vil øke.,
Justert R2 vil alltid være mindre enn eller lik R2.
Du trenger bare R2 når du arbeider med prøver. Med andre ord, R2 er ikke nødvendig når du har data fra en hel befolkning.
formelen er:
hvor:
- N er antall punkter i dataene eksempel.
- K er antall uavhengige regressors, dvs. antall variabler i modellen, unntatt konstant.
Hvis du allerede vet R2, så er det en ganske enkel formel for å arbeide., Imidlertid, hvis du ikke allerede har R2 da vil du sannsynligvis ikke vil regne ut dette for hånd! (Hvis du må, kan du se Hvordan Beregne determinasjonskoeffisient). Det er mange statistiske pakker som kan beregnes justert r-kvadrert for deg. Justert r-kvadrert er gitt som en del av Excel regresjon utgang. Se: Excel regresjonsanalyser utgang forklart.
Betydningen av Justert R2
Begge R2 og justert R2 gi deg en idé om hvor mange datapunkter faller innenfor linjen av regresjonsligningen., Men, det er en største forskjellen mellom R2 og justert R2: R2 forutsetter at hver enkelt variabel forklarer variasjonen i den avhengige variabelen. Justert R2 viser andel av variasjon forklart av uavhengige variabler som faktisk påvirker den avhengige variabelen.
Hvordan Justert R2 Straffer Du på
Den justerte R2 vil straffe deg for å legge til uavhengige variabler (K i ligning) og som ikke passer inn i modellen. Hvorfor? I regresjonsanalysen, kan det være fristende å legge til flere variabler for dataene som du tenker på dem., Noen av disse variablene vil være betydelig, men du kan ikke være sikker på at betydningen er bare ved en tilfeldighet. Justert R2 vil kompensere for dette ved at penalizing deg for de ekstra variabler.
Mens verdier er vanligvis positive, de kan være negative så vel. Dette kan skje hvis din R2 er null, Etter justering, kan verdien dukkert under null. Dette indikerer vanligvis at modellen er en dårlig passer for dine data. Andre problemer med modellen kan også føre til sub-null-verdier, for eksempel ikke å sette en konstant begrep i modellen.,
Problemer med R2 som er korrigert med en justert R2
- R2 øker for hver prediktor lagt til en modell. Så R2 alltid øker og aldri reduseres, kan det synes å være en bedre passform med flere ord du legger til i modellen. Dette kan være helt misvisende.
- på samme måte, hvis din modell har for mange regler og for mange høy-for polynomer du kan kjøre inn i problemet med over-montering av data. Når du over-fit data, en villedende høy R2 verdi kan føre til misvisende prognoser.,
——————————————————————————
Trenger hjelp med lekser eller test spørsmål? Med Chegg Studere, kan du få trinn-for-trinn-løsninger til dine spørsmål fra en ekspert på feltet. De første 30 minutter med en Chegg veileder er gratis!