photosdematures.com

Ano ang Pinag-ayos na R Squared?

Ang naayos na R Squared ay tumutukoy sa tool ng pang-istatistika na tumutulong sa mga namumuhunan sa pagsukat ng lawak ng pagkakaiba-iba ng variable na umaasa na maipapaliwanag sa independiyenteng variable at isinasaalang-alang nito ang epekto ng mga independiyenteng variable na may epekto sa pagkakaiba-iba. ng umaasa na variable.

Ang naayos na R Squared o Modified R ^ 2 ay tumutukoy sa lawak ng pagkakaiba-iba ng umaasa na variable na maaaring ipaliwanag ng malayang variable. Ang dalubhasa ng binagong R ^ 2 ay hindi ito isinasaalang-alang ang epekto ng lahat ng mga independiyenteng variable ngunit ang mga nakakaapekto lamang sa pagkakaiba-iba ng umaasang variable. Ang halaga ng binagong R ^ 2 ay maaaring maging negatibo din, kahit na hindi ito negatibo sa karamihan ng oras.

Inayos ang R na parisukat na Formula

Ang pormula upang makalkula ang naayos na R square ng pagbabalik ay kinakatawan bilang sa ibaba,

R ^ 2 = {(1 / N) * Σ [(xi - x) * (yi - y)] / (σx * σy)} ^ 2

Kung saan

• R ^ 2 = nababagay R square ng equation ng pagbabalik
• N = Bilang ng mga obserbasyon sa equation ng pagbabalik
• Xi = Malayang variable ng equation ng pagbabalik
• X = Ibig sabihin ng independiyenteng variable ng equation ng pagbabalik
• Yi = Nakasalalay na variable ng equation ng pagbabalik
• Y = Ibig sabihin ng umaasa na variable ng equation ng pagbabalik
• σx = Karaniwang paglihis ng independiyenteng variable
• σy = Karaniwang paglihis ng umaasa na variable.

Paalala

Para sa pagkalkula nito sa excel kailangan itong ibigay y at x variable sa excel at ang buong output kasama ang Adjusted R ^ 2 ay nabuo ng Excel. Ito ay isang espesyal na kaso kung saan mahirap ibigay ang output sa format ng teksto, hindi katulad ng iba pang mga formula.

Interpretasyon

Inayos ang R square, tinutukoy ang lawak ng pagkakaiba-iba ng umaasa na variable na maaaring ipaliwanag ng malayang variable. Sa pamamagitan ng pagtingin sa nababagay na halagang R ^ 2 maaaring hatulan ng isang tao kung ang data sa equation ng pagbabalik ay isang mahusay na akma. Mas mataas ang naayos na R ^ 2 na mas mahusay ang equation ng regression dahil ipinapahiwatig nito na ang independiyenteng variable na pinili upang matukoy ang umaasa na variable ay maaaring ipaliwanag ang pagkakaiba-iba sa umaasa na variable.

Ang halaga ng binagong R ^ 2 ay maaaring maging negatibo din, kahit na hindi ito negatibo sa karamihan ng oras. Sa kaso ng nababagay na R square, ang halaga ng nababagay na R square ay tataas kasama ang pagdaragdag ng isang independiyenteng variable lamang kapag ang pagkakaiba-iba ng independiyenteng variable ay nakakaapekto sa pagkakaiba-iba sa umaasa na variable. Hindi ito naaangkop sa kaso ng R ^ 2, nalalapat lamang sa halaga ng nababagay na R ^ 2.

Mga halimbawa

Maaari mong i-download ang Template ng naayos na R na parisukat na Formula ng Excel dito - Inayos ang R Na-square na Pormula ng Excel na Template

Halimbawa # 1

Subukan nating maunawaan ang konsepto ng nababagay na R ^ 2 sa tulong ng isang halimbawa. Subukan nating alamin kung ano ang kaugnayan sa pagitan ng distansya na sakop ng driver ng trak at ng edad ng driver ng trak. Ang isang tao ay talagang gumagawa ng equation ng pagbabalik upang mapatunayan kung ano ang iniisip niya ng kaugnayan sa pagitan ng dalawang variable, ay napatunayan din ng equation ng regression.

Sa partikular na halimbawang ito, makikita natin kung aling variable ang dependant variable at aling variable ang independiyenteng variable. Ang umaasa na variable sa equation ng regression na ito ay ang distansya na sakop ng driver ng trak at ang independiyenteng variable ay ang edad ng driver ng trak. Sa pamamagitan ng pagpapatakbo ng isang pag-urong sa mga variable na nakuha namin ang nababagay na R square na maging 65%. Ang snapshot sa ibaba ay naglalarawan ng output ng pagbabalik para sa mga variable. Ang hanay ng data at ang mga variable ay ipinakita sa kalakip na excel sheet.

Ang nababagay na halagang R ^ 2 na 65% para sa pagbabalik na ito ay nagpapahiwatig na 65% ng pagkakaiba-iba sa umaasa na variable ay ipinaliwanag ng malayang variable. Sa isip, ang isang mananaliksik ay maghanap para sa koepisyent ng pagpapasiya na pinakamalapit sa 100%.

Halimbawa # 2

Subukan natin at maunawaan ang konsepto ng nababagay na R square sa tulong ng isa pang halimbawa. Subukan nating alamin kung ano ang ugnayan sa pagitan ng taas ng mga mag-aaral ng isang klase at ng grade ng GPA ng mga mag-aaral na iyon. Sa partikular na halimbawang ito, makikita natin kung aling variable ang dependant variable at aling variable ang independiyenteng variable. Ang dependant na variable sa equation ng regression na ito ay ang GPA ng mga mag-aaral at ang independiyenteng variable ay ang taas ng mga mag-aaral.

Sa pamamagitan ng pagpapatakbo ng isang pagbabalik sa mga variable na nakuha namin ang nababagay na R ^ 2 upang maging bale-wala o negatibo. Ang snapshot sa ibaba ay naglalarawan ng output ng pagbabalik para sa mga variable. Ang hanay ng data at ang mga variable ay ipinakita sa kalakip na excel sheet.

Ang nababagay na halagang R ^ 2 ay bale-wala para sa pagbabalik na ito na nagpapahiwatig na ang pagkakaiba-iba sa umaasa na variable ay hindi ipinaliwanag ng independiyenteng variable. Sa isip, ang isang mananaliksik ay maghanap para sa koepisyent ng pagpapasiya na pinakamalapit sa 100%.

Interpretasyon

Ang naayos na R square ay isang napakahalagang output upang malaman kung ang set ng data ay isang mahusay na akma o hindi. Ang isang tao ay talagang gumagawa ng isang equation sa pagbabalik upang mapatunayan kung ano ang iniisip niya ng kaugnayan sa pagitan ng dalawang variable, ay napatunayan din ng equation ng regression. Mas mataas ang halaga, mas mahusay ang equation ng pagbabalik dahil ipinapahiwatig nito na ang independiyenteng variable na pinili upang matukoy ang umaasa na variable ay napili nang maayos. Sa isip, ang isang mananaliksik ay maghanap para sa koepisyent ng pagpapasiya na pinakamalapit sa 100%.