Mis on kohandatud R ruut?
Korrigeeritud R ruut - viitab statistilisele tööriistale, mis aitab investoritel mõõta sõltumatu muutujaga seletatava muutuja varieeruvuse ulatust ja arvestab ainult nende sõltumatute muutujate mõju, millel on variatsioonile mõju. sõltuva muutuja väärtus.
Korrigeeritud R ruut või muudetud R 2 määrab sõltuva muutuja dispersiooni ulatuse, mida saab seletada sõltumatu muutujaga. Muudetud R 2 eripära on see, et see ei võta arvesse kõigi sõltumatute muutujate mõju, vaid ainult neid, mis mõjutavad sõltuva muutuja variatsiooni. Ka modifitseeritud R 2 väärtus võib olla negatiivne, kuigi see pole enamasti negatiivne.
Kohandatud R ruudu vormel
Regressiooni korrigeeritud R-ruudu arvutamise valem on esitatud allpool,
R 2 = ((1 / N) * Σ ((xi - x) * (Yi - y)) / (σx * σy)) 2
Kus
- R 2 = regressioonivõrrandi korrigeeritud R ruut
- N = vaatluste arv regressioonivõrrandis
- Xi = regressioonivõrrandi sõltumatu muutuja
- X = regressioonivõrrandi sõltumatu muutuja keskmine
- Yi = regressioonivõrrandi sõltuv muutuja
- Y = regressioonivõrrandi sõltuva muutuja keskmine
- σx = sõltumatu muutuja standardhälve
- σy = Sõltuva muutuja standardhälve.
Pane tähele
Selle Excelis arvutamiseks tuleb Excelis esitada y ja x muutuja ning Excel genereerib kogu väljundi koos korrigeeritud R 2-ga. See on konkreetne juhtum, kus erinevalt teistest valemitest on teose esitamine tekstivormingus keeruline.
Tõlgendamine
Korrigeeritud R ruut määrab sõltuva muutuja dispersiooni ulatuse, mida saab seletada sõltumatu muutujaga. Korrigeeritud R 2 väärtust vaadates saab otsustada, kas regressioonivõrrandi andmed sobivad hästi. Mida suurem on korrigeeritud R 2, seda parem on regressioonivõrrand, kuna see tähendab, et sõltuva muutuja määramiseks valitud sõltumatu muutuja võib seletada sõltuva muutuja variatsiooni.
Ka modifitseeritud R 2 väärtus võib olla negatiivne, kuigi see pole enamasti negatiivne. Korrigeeritud R ruudus tõuseb korrigeeritud R ruudu väärtus koos sõltumatu muutuja lisamisega ainult siis, kui sõltumatu muutuja variatsioon mõjutab sõltuva muutuja variatsiooni. See ei kehti R 2 puhul, see on oluline ainult korrigeeritud R 2 väärtuse puhul.
Näited
Näide 1
Proovime näite abil mõista kohandatud R 2 mõistet. Proovime välja selgitada, milline on seos veokijuhi läbitud vahemaa ja veokijuhi vanuse vahel. Keegi teeb regressioonivõrrandi, et kinnitada, kas seda, mida ta arvab kahe muutuja suhtest, kinnitab ka regressioonivõrrand.
Selles konkreetses näites näeme, milline muutuja on sõltuv muutuja ja milline on sõltumatu muutuja. Selle regressioonivõrrandi sõltuv muutuja on veokijuhi läbitud vahemaa ja sõltumatu muutuja on veokijuhi vanus. Käivitades muutujate regressiooni, saime korrigeeritud R-ruudu 65% -ks. Allolev hetkepilt kujutab muutujate regressiooniväljundit. Andmekogum ja muutujad esitatakse lisatud Exceli lehel.
Selle regressiooni kohandatud R 2 väärtus 65% tähendab, et sõltumatu muutuja selgitab 65% sõltuva muutuja variatsioonist. Ideaalis otsib teadlane määramiskoefitsienti, mis on kõige lähemal 100% -le.
Näide 2
Proovime teise näite abil mõista kohandatud R-ruudu mõistet. Proovime välja selgitada, milline on seos klassi õpilaste pikkuse ja nende õpilaste GPA-klassi vahel. Selles konkreetses näites näeme, milline muutuja on sõltuv muutuja ja milline on sõltumatu muutuja. Selle regressioonivõrrandi sõltuv muutuja on õpilaste GPA ja sõltumatu muutuja on õpilaste kõrgus.
Käivitades muutujate regressiooni, saime korrigeeritud R 2 tühiseks või negatiivseks. Allolev hetkepilt kujutab muutujate regressiooniväljundit. Andmekogum ja muutujad esitatakse lisatud Exceli lehel.
Korrigeeritud R 2 väärtus on selle regressiooni jaoks tühine, mis tähendab, et sõltumatu muutuja ei seleta sõltuva muutuja variatsiooni. Ideaalis otsib teadlane määramiskoefitsienti, mis on kõige lähemal 100% -le.
Tõlgendamine
Korrigeeritud R ruut on märkimisväärne väljund, et teada saada, kas andmekogum sobib hästi või mitte. Keegi teeb regressioonivõrrandi, et kinnitada, kas seda, mida ta arvab kahe muutuja suhtest, kinnitab ka regressioonivõrrand. Mida suurem on väärtus, seda parem on regressioonivõrrand, kuna see tähendab, et sõltuva muutuja määramiseks valitud sõltumatu muutuja on valitud sobivalt. Ideaalis otsib teadlane määramiskoefitsienti, mis on kõige lähemal 100% -le.
