Statistici Definiții > r2 Ajustat
Uita-te la video sau de a citi articolul de mai jos:
aveți nevoie de ajutor cu o întrebare pentru teme? Vezi pagina noastră de îndrumare!,
ajustat R2: Prezentare generală
ajustat R2 este o formă specială de R2, coeficientul de determinare.
R2 ajustat are multe aplicații în viața reală. Imagine: USCG
R2 arată cât de bine se potrivesc termenii (punctele de date) unei curbe sau linii. R2 ajustat indică, de asemenea, cât de bine se potrivesc termenii unei curbe sau linii, dar ajustează numărul de termeni dintr-un model. Dacă adăugați tot mai multe variabile inutile la un model, ajustat R-pătrat va scădea. Dacă adăugați variabile mai utile, ajustat R-pătrat va crește.,
ajustat R2 va fi întotdeauna mai mică sau egală cu R2.
aveți nevoie doar de R2 atunci când lucrați cu mostre. Cu alte cuvinte, R2 nu este necesar atunci când aveți date de la o întreagă populație.
formula este:
unde:
- N este numărul de puncte din eșantionul dvs. de date.
- K este numărul de regresori independenți, adică numărul de variabile din modelul dvs., excluzând Constanta.dacă știți deja R2, atunci este o formulă destul de simplă pentru a funcționa., Cu toate acestea, dacă nu aveți deja R2, atunci probabil că nu veți dori să calculați acest lucru manual! (Dacă trebuie, vedeți cum se calculează coeficientul de determinare). Există mai multe pachete statistice care pot calculat r ajustat pătrat pentru tine. Ajustat R pătrat este dat ca parte a Excel regresie de ieșire. A se vedea: Excel analiza de regresie de ieșire a explicat.
Sensul Ajustat R2
Ambele R2 și R2 ajustat oferi o idee de cât de multe puncte de date se încadrează în linia de ecuația de regresie., Cu toate acestea, există o diferență principală între R2 și R2 ajustat: R2 presupune că fiecare variabilă explică variația variabilei dependente. R2 ajustat vă spune procentul de variație explicat numai de variabilele independente care afectează de fapt variabila dependentă.
cum R2 ajustat vă penalizează
R2 ajustat vă va penaliza pentru adăugarea de variabile independente (K în ecuație) care nu se potrivesc modelului. De ce? În analiza de regresie, poate fi tentant să adăugați mai multe variabile la date așa cum vă gândiți la ele., Unele dintre aceste variabile vor fi semnificative, dar nu puteți fi sigur că semnificația este doar din întâmplare. R2 ajustat va compensa acest lucru prin faptul că vă penalizează pentru acele variabile suplimentare.în timp ce valorile sunt de obicei pozitive, ele pot fi negative, de asemenea. Acest lucru se poate întâmpla dacă R2 este zero; după ajustare, valoarea poate scădea sub zero. Acest lucru indică, de obicei, că modelul dvs. este o potrivire slabă pentru datele dvs. Alte probleme cu modelul dvs. pot provoca, de asemenea, valori sub zero, cum ar fi să nu puneți un termen constant în modelul dvs.,
problemele cu R2 care sunt corectate cu un R2 ajustat
- R2 crește cu fiecare predictor adăugat la un model. Deoarece R2 crește întotdeauna și nu scade niciodată, poate părea să se potrivească mai bine cu mai mulți termeni pe care îi adăugați modelului. Acest lucru poate fi complet înșelător.
- în mod similar, dacă modelul dvs. are prea mulți termeni și prea multe polinoame de ordin înalt, puteți întâmpina problema supra-potrivirii datelor. Atunci când datele se potrivesc prea mult, o valoare R2 înșelătoare poate duce la proiecții înșelătoare.,
——————————————————————————
aveți nevoie de ajutor cu o întrebare pentru teme sau test? 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!