De bestemmelseskoeffisient som også er kjent som r2, er et begrep som brukes i statistikk, hvis hovedfunksjon er å forutsi resultatet av hypoteser. Dette er viktig i alle studier med vitenskapelige grunnlag, og dets applikasjoner kan ha en bredt, rekkevidde som innen økonomi, markedsstudie eller for å bestemme suksessen til noen produkt.
Det er flere definisjoner om dette velkjente verktøyet, som ikke alle sammenfaller, så det er det Det er viktig å kjenne hver av dem, for eksempel de som er relatert til regresjon lineær.
Annonser
I denne artikkelen finner du:
Definisjon av bestemmelseskoeffisient
Er han korrelasjonsfelt som måler hvilken del som er forklart i en bestemt variant som en del av en variasjon, betyr dette hvilken man kan forutsies gjennom variasjonen til den andre.
Hvordan beregnes bestemmelseskoeffisienten?
Statistiske modeller er ment å teste eller forklare noen tilfeldige variabler, dette gjøres gjennom andre tilfeldige variabler som er kjent som faktorer. Siden en variabel som anses som tilfeldig kan forutsies gjennom dens mål, og at for dette tilfellet vil varians vil være den samme gjennomsnittlige kvadratfeilen, den maksimale gjennomsnittlige kvadratfeilen som kan aksepteres er forskjell.
Annonser
Resultatet kan variere mellom 0 og 1, dette betyr at jo nærmere den er en, vil den være mer tilpasset variabelen du prøver å teste, mens at i motsatt tilfelle, det vil si jo nærmere det er 0, desto mindre pålitelig vil det være siden modell.
Hvordan uttrykkes bestemmelseskoeffisienten?
Her kan du se en brøk der telleren uttrykkes som følger:
Annonser
Her kan man se at i variansuttrykket er Y omkrets, noe som betyr at det er estimatet til en modell, dette er ikke den virkelige verdien av Y, men et estimat. En annen forskjell i forhold til dette uttrykket av variansen er at det ikke er delt med T siden nevneren også vil uttrykke det, så blir begge eliminert slik at på denne måten uttrykk.
Når det gjelder nevneren, observerer vi at den eneste forskjellen med variansen som kan bli lagt merke til er at den ikke er delt med T eller N
Annonser
Anvendelser av bestemmelseskoeffisienten
Det er mange verktøy som denne formelen har, for eksempel i tilfelle å prøve antall poeng som en fotballspiller scorer eller basketball med hensyn til antall kamper han spiller, basert på antagelsen om at jo flere kamper, flere poeng vil være kommentert. La oss ta hensyn til 8 spill.
Grafen viser en skrånende linje, med et positivt forhold, siden som forventet jo flere kamper det ble flere poeng kommentert, vil denne grafen vise et resultat over null, som som vi nevnte tidligere ville bevise at det er justert til variabelen ekte.
Annonser
Hvorfor oppstår den monterte R kvadrat?
Hva skjer med R firkant og grunnen til at den justerte R-kvadraten er gitt har å gjøre med at den ikke straffer inkludering med hensyn til ikke-signifikante forklaringsvariabler, dette betyr at hvis for eksempel 5 forklarende variabler legges til modellen som ikke har mye forhold til poengsummen som denne bestemte spilleren har scoret, vil R-kvadratet være høyere eller vil øke.
R kvadrat montert
Det er et mål som etablerer prosentandelen forklart av regresjonsvariansen i forhold til variansen til den forklarte variabelen. Du kan se at det er det samme som med R kvadrat, men med den lille forskjellen at det straffer inkluderingen av variabler.
R-kvadratet øker alltid selv om variablene som er inkludert i den nevnte modellen ikke egentlig er relevante. For å løse dette problemet brukes det at:
I denne ligningen er N referert til som utvalgsstørrelse og K tilsvarer de forklarende variablene. Fra synspunktet til matematisk deduksjon ved verdier over k, vil den justerte R-kvadraten være lenger fra den vanlige R-kvadraten.
Andre funksjoner av bestemmelseskoeffisienten
Ikke bare er det nyttig å forklare eller rettere, måle forklaringskapasiteten til en modell, men samtidig tillater det å velge hvilken av flere modeller som er den mest passende. Dette betyr at modellene har de samme avhengige variablene og det samme antallet med hensyn til variabler som er kjent som forklarende, vil den mest passende være den med en koeffisient større enn besluttsomhet.
Dette kan helt klart variere avhengig av valgt modell, siden det ikke vil være det samme i tilfelle en nestet modell. Det viktigste med denne koeffisienten er dens evne til å forutsi effektiviteten til modellene eller teoriene. forslag, dette kan ikke bare brukes på tall, dette er viktig for å vite om spådommene er gode eller dårlige.
