The noteikšanas koeficients kas ir pazīstams arī kā r2, ir statistikā lietots termins, kura galvenā funkcija ir hipotēžu rezultāta prognozēšana. Tas ir būtiski visos pētījumos ar zinātniskiem pamatiem, un tā pielietojumam var būt plašs, piemēram, ekonomikā, tirgus izpētē vai lai noteiktu dažu panākumus produktu.
Par šo labi zināmo rīku ir vairākas definīcijas, kas ne visas sakrīt, tā arī ir Ir svarīgi zināt katru no viņiem, piemēram, tos, kas saistīti ar regresiju lineārs.
Sludinājumi
Šajā rakstā jūs atradīsit:
Noteikšanas koeficienta definīcija
Vai viņš ir korelācijas kvadrāts kura mēra, kura daļa ir izskaidrota noteiktā variantā kā daļa no variācijas, tas nozīmē, kuru no tām var paredzēt, izmantojot otras variācijas.
Kā tiek aprēķināts noteikšanas koeficients?
Statistiskie modeļi ir paredzēti, lai pārbaudītu vai izskaidrotu kādu nejaušo mainīgo, tas tiek darīts, izmantojot citus nejaušus mainīgos, kas ir pazīstami kā faktori. Tā kā mainīgo lielumu, kuru uzskata par nejaušu, var paredzēt ar tā mēru, un ka šajā gadījumā dispersija būs tā pati vidējā kvadrāta kļūda, maksimālā vidējā kvadrātiskā kļūda, ko var pieņemt, ir dispersija.
Sludinājumi
Rezultāts var svārstīties no 0 līdz 1, tas nozīmē, ka tuvāk vienam, tas būs vairāk pielāgots mainīgajam, kuru mēģināt pārbaudīt, kamēr ka pretējā gadījumā, tas ir, jo tuvāk tas ir 0, jo mazāk uzticams tas būs kopš modeli.
Kā tiek izteikts noteikšanas koeficients?
Šeit jūs varat redzēt daļu, kurā skaitītājs tiek izteikts šādi:
Sludinājumi
Šeit var redzēt, ka dispersijas izteiksmē Y ir apļveida, kas nozīmē, ka tas ir modeļa novērtējums, tā nav Y reālā vērtība, bet novērtējums. Vēl viena atšķirība attiecībā uz šo dispersijas izteiksmi ir tā, ka tā nav dalīta ar T kopš saucējs to arī izsaka, tad abi tiek izslēgti, lai šādā veidā izteiksme.
Attiecībā uz saucēju mēs novērojam, ka vienīgā atšķirība ar dispersiju, ko var pamanīt, ir tā, ka tā nav dalīta ar T vai N
Sludinājumi
Noteikšanas koeficienta pielietojums
Šai formulai ir daudz utilītu, piemēram, ja tiek izmēģināts punktu skaits, ko futbolists gūst vai basketbolu attiecībā uz viņa spēlēto spēļu skaitu, balstoties uz pieņēmumu, ka jo vairāk spēļu, jo vairāk punktu būs anotēta. Ņemsim vērā 8 spēles.
Diagrammā būtu redzama slīpa līnija ar pozitīvām attiecībām, jo, kā paredzēts, jo vairāk spēlēja spēļu, jo vairāk punktu anotēts, šis grafiks parādīs rezultātu virs nulles, kas, kā jau minējām iepriekš, pierādīs, ka tas ir pielāgots mainīgajam īsts.
Sludinājumi
Kāpēc rodas uzstādītais R kvadrāts?
Kas notiek ar R kvadrāts un iemesls, kāpēc tiek dots koriģētais R kvadrāts, ir saistīts ar faktu, ka tas nesoda iekļaušanu attiecībā uz nebūtiskiem paskaidrojošiem mainīgajiem, tas nozīmē ka, ja, piemēram, modelim tiek pievienoti 5 skaidrojošie mainīgie, kuriem nav lielas saistības ar šī konkrētā spēlētāja iegūto punktu skaitu, R kvadrāts būs lielāks vai palielināsies.
R kvadrāts ir piemērots
Tas ir pasākums, kas nosaka procentus, kas izskaidrojami ar regresijas dispersiju attiecībā pret izskaidrotā mainīgā dispersiju. Var redzēt, ka tas ir tāds pats kā ar R kvadrātā, tomēr ar nelielu atšķirību, ka tas soda mainīgo iekļaušanu.
R kvadrāts vienmēr palielinās, kaut arī minētajā modelī iekļautie mainīgie patiesībā nav nozīmīgi. Lai atrisinātu šo problēmu, tiek izmantots:
Šajā vienādojumā N tiek saukts par izlases lielumu un K atbilst paskaidrojošajiem mainīgajiem. No matemātiskā dedukcijas viedokļa pie vērtībām virs k koriģētais R kvadrāts būs tālāk no parastā R kvadrāta.
Citas noteikšanas koeficienta funkcijas
Ir lietderīgi ne tikai paskaidrot vai drīzāk izmērīt modeļa izskaidrojamību, bet tajā pašā laikā tas ļauj izvēlēties, kurš no vairākiem modeļiem ir vispiemērotākais. Tas nozīmē, ka modeļiem ir vienādi atkarīgie mainīgie un vienāds skaits attiecībā pret mainīgie, kas pazīstami kā skaidrojoši, vispiemērotākais būs tas, kura koeficients ir lielāks par apņēmība.
Skaidrs, ka tas var atšķirties atkarībā no izvēlētā modeļa, jo, piemēram, ligzdota modeļa gadījumā tas nebūs vienāds. Vissvarīgākais šajā koeficientā ir tā spēja paredzēt modeļu vai teoriju efektivitāti. priekšlikumus, to var attiecināt ne tikai uz skaitļiem, tas ir ļoti svarīgi zināt, vai prognozes ir labas vai sliktas.
