განსაზღვრის კოეფიციენტი რომელიც ასევე ცნობილია როგორც r2, არის სტატისტიკაში გამოყენებული ტერმინი, რომლის ძირითადი ფუნქციაა ჰიპოთეზების შედეგის პროგნოზირება. ეს აუცილებელია სამეცნიერო საფუძვლების მქონე ნებისმიერი კვლევის დროს და მის გამოყენებას შეიძლება ჰქონდეს ა ფართო, დიაპაზონი, როგორც ეკონომიკაში, ბაზრის შესწავლაში ან ზოგის წარმატების დასადგენად პროდუქტი
ამ ცნობილ ინსტრუმენტთან დაკავშირებით რამდენიმე განმარტება არსებობს, რომლებიც ყველა არ ემთხვევა, ასეა მნიშვნელოვანია იცოდეთ თითოეული მათგანი, მაგალითად ის, რაც უკავშირდება რეგრესს ხაზოვანი
რეკლამები
ამ სტატიაში ნახავთ:
განსაზღვრის კოეფიციენტის განმარტება
Არის ის კორელაციის კვადრატი რომელი ზომავს რომელი ნაწილის გარკვეულ ვარიანტში ახსნას, როგორც ვარიაციის ნაწილს, ეს ნიშნავს, რომელის პროგნოზირება შესაძლებელია მეორის ვარიაციით.
როგორ გამოითვლება განსაზღვრის კოეფიციენტი?
სტატისტიკური მოდელები მიზნად ისახავს ზოგიერთი შემთხვევითი ცვლადის შემოწმებას ან ახსნას, ეს ხდება სხვა შემთხვევითი ცვლადების საშუალებით, რომლებიც ცნობილია როგორც ფაქტორები. ვინაიდან შემთხვევითი მიჩნეული ცვლადის პროგნოზირება შესაძლებელია მისი გაზომვის საშუალებით და ამ შემთხვევაში ვარიაცია იქნება იგივე საშუალო კვადრატული შეცდომა, მაქსიმალური საშუალო კვადრატული შეცდომა, რომლის მიღებაც შეიძლება იყოს ვარიაცია
რეკლამები
შედეგი შეიძლება განსხვავდებოდეს 0-დან 1-მდე, ეს ნიშნავს, რომ რაც უფრო ახლოს არის იგი, ის უფრო მეტად იქნება მორგებული ცვლადზე, რომლის გამოცდას ცდილობთ რომ საპირისპირო შემთხვევაში, ანუ რაც უფრო უახლოვდება 0-ს, მით უფრო ნაკლებად საიმედო იქნება იგი მოდელი
როგორ გამოხატულია განსაზღვრის კოეფიციენტი?
აქ შეგიძლიათ ნახოთ ფრაქცია, რომელშიც მრიცხველი გამოხატულია შემდეგნაირად:
რეკლამები
აქ ჩანს, რომ ვარიაციის გამოხატვაში Y წრეწირებულია, რაც ნიშნავს, რომ იგი წარმოადგენს მოდელის შეფასებას, ეს არ არის Y- ს რეალური მნიშვნელობა, მაგრამ არის შეფასება. სხვა განსხვავება ამ გამოთქმის მიმართებაში არის ის, რომ იგი არ იყოფა T– ით, რადგან მნიშვნელი ასევე გამოხატავდა მას, მაშინ ორივე აღმოიფხვრა ისე, რომ ამ გზით გამოხატვა.
მნიშვნელთან დაკავშირებით ვამჩნევთ, რომ ერთადერთი განსხვავება, რომელიც შეიძლება შეინიშნოს, არის ის, რომ ის არ იყოფა T ან N
რეკლამები
განსაზღვრის კოეფიციენტის პროგრამები
არსებობს მრავალი პროგრამა, რომელიც ამ ფორმულას აქვს, მაგალითად, ფეხბურთელის მოთამაშის მიერ ქულათა რაოდენობის გამოცდის შემთხვევაში ან კალათბურთი მის მიერ ჩატარებული თამაშების რაოდენობის გათვალისწინებით, იმის გათვალისწინებით, რომ რაც უფრო მეტი თამაში იქნება მით მეტი ქულა იქნება ანოტირებული. გავითვალისწინოთ 8 თამაში.
დიაგრამაზე აისახებოდა დახრილი ხაზი, პოზიტიური ურთიერთობით, რადგან როგორც მოსალოდნელი იყო რაც უფრო მეტი თამაში ითამაშა მით მეტი ქულა იყო ანოტაციით, ამ გრაფაში გამოჩნდება ნულის ზემოთ შედეგი, რაც, როგორც უკვე აღვნიშნეთ, დაამტკიცებს, რომ იგი ცვლადზეა მორგებული ნამდვილი
რეკლამები
რატომ ჩნდება დამონტაჟებული R კვადრატი?
რა ხდება R კვადრატი და მიზეზი, რის გამოც დაზუსტებული R- კვადრატი მოცემულია, უკავშირდება იმ ფაქტს, რომ ის არ აჯარიმებს ჩართვას არა მნიშვნელოვან განმარტებითი ცვლადების მიმართ, ეს ნიშნავს რომ, თუ, მაგალითად, მოდელს დაემატა 5 განმარტებითი ცვლადი, რომლებსაც დიდი კავშირი არ აქვთ ამ კონკრეტულ მოთამაშეს მიერ გატანილი ქულისა, R კვადრატი უფრო მაღალი იქნება გაიზრდება.
R კვადრატში მორგებულია
ეს არის ღონისძიება, რომელიც ადგენს რეგრესიული ცვალებადობით ახსნილ პროცენტს ახსნილი ცვლადის ვარიანტთან მიმართებაში. თქვენ ხედავთ, რომ ეს იგივეა, რაც R კვადრატში, თუმცა მცირედი სხვაობით, რომ ის აჯარიმებს ცვლადების ჩართვას.
R კვადრატი ყოველთვის იზრდება, მიუხედავად იმისა, რომ აღნიშნულ მოდელში შეტანილი ცვლადები ნამდვილად არ არის აქტუალური. ამ პრობლემის გადასაჭრელად გამოიყენება:
ამ განტოლებაში N მოიხსენიება როგორც ნიმუშის ზომა და K შეესაბამება ახსნადი ცვლადებს. K- ზე მეტი მნიშვნელობებით მათემატიკური დედუქციის თვალსაზრისით, მორგებული R- კვადრატი უფრო შორს იქნება საერთო R- კვადრატიდან.
განსაზღვრის კოეფიციენტის სხვა ფუნქციები
არა მხოლოდ სასარგებლოა ახსნა, უფრო სწორად, გაზომვის მოდელის გაზომვა, მაგრამ ამავე დროს ის საშუალებას იძლევა ავირჩიოთ რომელი რამდენიმე მოდელს შორის არის ყველაზე შესაფერისი. ეს ნიშნავს, რომ მოდელებს აქვთ იგივე დამოკიდებული ცვლადები და იგივე რიცხვი ცვლადები, რომლებიც ცნობილია როგორც ახსნა, ყველაზე შესაფერისი იქნება ის, რომლის კოეფიციენტი მეტია განსაზღვრა.
ცხადია, ეს შეიძლება განსხვავდებოდეს არჩეული მოდელის მიხედვით, რადგან ჩასმული მოდელის შემთხვევაში, იგივე არ იქნება, მაგალითად. ამ კოეფიციენტის შესახებ ყველაზე მნიშვნელოვანი არის მოდელების ან თეორიების ეფექტურობის პროგნოზირების უნარი. წინადადებები, ეს შეიძლება გამოყენებულ იქნას არა მხოლოდ ციფრებზე, არამედ სასიცოცხლოდ მნიშვნელოვანია იმის ცოდნა, კარგია თუ ცუდი პროგნოზები.
