Det bestemmelseskoefficient som også er kendt som r2, er et udtryk, der bruges i statistik, hvis hovedfunktion er at forudsige resultatet af hypoteser. Dette er vigtigt i enhver undersøgelse med videnskabelige fundamenter, og dens anvendelser kan have en bred, rækkevidde som i økonomi, markedsundersøgelse eller for at bestemme succes for nogle produkt.
Der er flere definitioner om dette velkendte værktøj, som ikke alle falder sammen, så det er det Det er vigtigt at kende hver enkelt af dem, såsom dem der er relateret til regression lineær.
Annoncer
I denne artikel finder du:
Definition af bestemmelseskoefficient
Er han korrelation firkant som måler hvilken del er forklaret i en bestemt variant som en del af en variation, det betyder, at den ene kan forudsiges gennem variationen af den anden.
Hvordan beregnes bestemmelseskoefficienten?
De statistiske modeller er beregnet til at teste eller forklare en tilfældig variabel, dette gøres gennem andre tilfældige variabler, der er kendt som faktorer. Da en variabel, der betragtes som tilfældig, kan forudsiges gennem dens måling, og at i dette tilfælde varians vil være den samme gennemsnitlige kvadratfejl, den maksimale kvadratfejl, der kan accepteres, er varians.
Annoncer
Resultatet kan variere mellem 0 og 1betyder det, at jo tættere den er på en, vil den blive mere tilpasset den variabel, du prøver at teste, mens at i det modsatte tilfælde, dvs. jo tættere det er på 0, desto mindre pålideligt vil det være siden model.
Hvordan udtrykkes bestemmelseskoefficienten?
Her kan du se en brøk, hvor tælleren udtrykkes som følger:
Annoncer
Her kan det ses, at i variansudtrykket er Y omkreds, hvilket betyder, at det er estimatet for en model, dette er ikke den reelle værdi af Y, men et estimat. En anden forskel med hensyn til dette udtryk for variansen er, at det ikke divideres med T, siden nævneren også ville udtrykke det, så elimineres begge, så på denne måde udtryk.
Med hensyn til nævneren bemærker vi, at den eneste forskel med variansen, der kan bemærkes, er, at den ikke er delt med T eller N
Annoncer
Anvendelser af bestemmelseskoefficienten
Der er mange hjælpeprogrammer, som denne formel har, for eksempel i tilfælde af at prøve det antal point, som en fodboldspiller scorer eller basketball med hensyn til antallet af spil, han spiller, baseret på antagelsen om, at jo flere spil, jo flere point vil der være kommenteret. Lad os tage højde for 8 spil.
Grafen viser en skrånende linje med et positivt forhold, da jo flere point der var, som forventet bemærket, ville denne graf vise et resultat over nul, hvilket som vi nævnte før ville bevise, at det er justeret til variablen ægte.
Annoncer
Hvorfor opstår den monterede R kvadrat?
Hvad sker der med R firkant og grunden til, at den justerede R-kvadrat er givet, har at gøre med det faktum, at det ikke straffes inklusion med hensyn til ikke-signifikante forklarende variabler, det betyder at hvis der fx tilføjes 5 forklarende variabler til modellen, der ikke har meget forhold til den score, som denne bestemte spiller har scoret, vil R-kvadraten være højere eller vil stige.
R kvadreret monteret
Det er et mål, der fastlægger den procentdel, der forklares med regressionsvariansen i forhold til variansen af den forklarede variabel. Du kan se, at det er det samme som med R kvadreret, men med den lille forskel, at det straffer inddragelsen af variabler.
R-kvadraten stiger altid, selvom variablerne i den nævnte model ikke rigtig er relevante. For at løse dette problem anvendes det:
I denne ligning betegnes N som prøvestørrelsen, og K svarer til de forklarende variabler. Fra et matematisk deduktions synspunkt ved værdier over k vil den justerede R-kvadrat være længere væk fra den almindelige R-kvadrat.
Andre funktioner for bestemmelseskoefficienten
Det er ikke kun nyttigt at forklare eller rettere at måle en models forklarende kapacitet, men det giver samtidig mulighed for at vælge, hvilken af flere modeller der er den mest passende. Dette betyder, at modellerne har de samme afhængige variabler og det samme antal i forhold til variabler, der er kendt som forklarende, er den mest passende den med en koefficient større end beslutsomhed.
Dette kan tydeligvis variere afhængigt af den valgte model, da den for eksempel ikke er den samme i tilfælde af en indlejret model. Det vigtigste ved denne koefficient er dens evne til at forudsige effektiviteten af modeller eller teorier. forslag, dette kan ikke kun anvendes på tal, det er vigtigt at vide, om forudsigelserne er gode eller dårlige.
