Điều chỉnh R Bình phương (Ý nghĩa, Công thức) | Tính R ^ 2 đã điều chỉnh

Điều chỉnh R Bình phương là gì?

Bình phương R điều chỉnh đề cập đến công cụ thống kê giúp nhà đầu tư đo lường mức độ phương sai của biến phụ thuộc có thể được giải thích với biến độc lập và nó chỉ xem xét tác động của những biến độc lập có tác động đến biến của biến phụ thuộc.

R bình phương điều chỉnh hoặc R ^ 2 được điều chỉnh xác định mức độ phương sai của biến phụ thuộc có thể được giải thích bởi biến độc lập. Điểm đặc biệt của R ^ 2 được sửa đổi là nó không tính đến tác động của tất cả các biến độc lập mà chỉ tính đến tác động của các biến phụ thuộc. Giá trị của R ^ 2 đã sửa đổi cũng có thể là âm, mặc dù nó không phải là âm trong hầu hết thời gian.

Công thức bình phương R đã điều chỉnh

Công thức tính bình phương R đã điều chỉnh của hồi quy được trình bày như dưới đây,

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

Ở đâu

  • R ^ 2 = bình phương R đã điều chỉnh của phương trình hồi quy
  • N = Số quan sát trong phương trình hồi quy
  • Xi = Biến độc lập của phương trình hồi quy
  • X = Giá trị trung bình của biến độc lập của phương trình hồi quy
  • Yi = Biến phụ thuộc của phương trình hồi quy
  • Y = Giá trị trung bình của biến phụ thuộc của phương trình hồi quy
  • σx = Độ lệch chuẩn của biến độc lập
  • σy = Độ lệch chuẩn của biến phụ thuộc.

Xin lưu ý

Để tính toán nó trong excel, nó cần phải được cung cấp các biến y và x trong excel và toàn bộ kết quả đầu ra cùng với Điều chỉnh R ^ 2 được tạo bởi Excel. Đây là một trường hợp đặc biệt khó cung cấp kết quả đầu ra ở định dạng văn bản, không giống như các công thức khác.

Diễn dịch

Bình phương R điều chỉnh, xác định mức độ phương sai của biến phụ thuộc mà biến độc lập có thể giải thích được. Bằng cách nhìn vào giá trị R ^ 2 đã điều chỉnh, người ta có thể đánh giá liệu dữ liệu trong phương trình hồi quy có phù hợp hay không. R ^ 2 điều chỉnh càng cao thì phương trình hồi quy càng tốt vì nó ngụ ý rằng biến độc lập được chọn để xác định biến phụ thuộc có thể giải thích sự thay đổi trong biến phụ thuộc.

Giá trị của R ^ 2 đã sửa đổi cũng có thể là âm, mặc dù nó không phải là âm trong hầu hết thời gian. Trong trường hợp bình phương R điều chỉnh, giá trị của bình phương R điều chỉnh sẽ tăng lên khi bổ sung một biến độc lập chỉ khi sự thay đổi của biến độc lập tác động đến sự thay đổi trong biến phụ thuộc. Điều này không áp dụng trong trường hợp R ^ 2, chỉ áp dụng cho giá trị của R ^ 2 đã điều chỉnh.

Các ví dụ

Bạn có thể tải xuống Mẫu Excel Công thức Bình phương R Điều chỉnh này tại đây - Mẫu Excel Công thức Bình phương R Điều chỉnh

Ví dụ 1

Hãy để chúng tôi thử và hiểu khái niệm về R ^ 2 được điều chỉnh với sự trợ giúp của một ví dụ. Chúng ta hãy thử tìm hiểu xem mối quan hệ giữa khoảng cách được bảo hiểm của người lái xe tải và độ tuổi của người lái xe tải là gì. Một người nào đó thực sự làm phương trình hồi quy để xác nhận xem liệu những gì anh ta nghĩ về mối quan hệ giữa hai biến số, cũng được xác nhận bởi phương trình hồi quy.

Trong ví dụ cụ thể này, chúng ta sẽ thấy biến nào là biến phụ thuộc và biến nào là biến độc lập. Biến phụ thuộc trong phương trình hồi quy này là quãng đường mà tài xế xe tải đi được và biến độc lập là tuổi của tài xế xe tải. Bằng cách chạy hồi quy với các biến, chúng tôi nhận được bình phương R đã điều chỉnh là 65%. Ảnh chụp nhanh bên dưới mô tả đầu ra hồi quy cho các biến. Tập dữ liệu và các biến được trình bày trong bảng excel đính kèm.

Giá trị R ^ 2 đã điều chỉnh là 65% cho hồi quy này ngụ ý rằng 65% sự thay đổi trong biến phụ thuộc được giải thích bởi biến độc lập. Lý tưởng nhất là nhà nghiên cứu sẽ tìm kiếm hệ số xác định gần nhất với 100%.

Ví dụ số 2

Chúng ta hãy thử tìm hiểu khái niệm về hình vuông R điều chỉnh với sự trợ giúp của một ví dụ khác. Chúng ta hãy thử tìm hiểu mối quan hệ giữa chiều cao của học sinh trong lớp và điểm trung bình của học sinh đó là gì. Trong ví dụ cụ thể này, chúng ta sẽ thấy biến nào là biến phụ thuộc và biến nào là biến độc lập. Biến phụ thuộc trong phương trình hồi quy này là điểm trung bình của học sinh và biến độc lập là chiều cao của học sinh.

Bằng cách chạy hồi quy với các biến, chúng tôi nhận được R ^ 2 đã điều chỉnh là không đáng kể hoặc âm. Ảnh chụp nhanh bên dưới mô tả đầu ra hồi quy cho các biến. Tập dữ liệu và các biến được trình bày trong bảng excel đính kèm.

Giá trị R ^ 2 được điều chỉnh là không đáng kể đối với hồi quy này, điều này ngụ ý rằng sự thay đổi trong biến phụ thuộc không được giải thích bởi biến độc lập. Lý tưởng nhất là nhà nghiên cứu sẽ tìm kiếm hệ số xác định gần nhất với 100%.

Diễn dịch

Hình vuông R đã điều chỉnh là đầu ra rất quan trọng để tìm ra tập dữ liệu có phù hợp hay không. Một người nào đó thực sự thực hiện một phương trình hồi quy để xác nhận xem liệu những gì anh ta nghĩ về mối quan hệ giữa hai biến số, cũng được xác nhận bởi phương trình hồi quy. Giá trị cao hơn, phương trình hồi quy tốt hơn vì nó ngụ ý rằng biến độc lập được chọn để xác định biến phụ thuộc được chọn đúng. Lý tưởng nhất là nhà nghiên cứu sẽ tìm kiếm hệ số xác định gần nhất với 100%.


$config[zx-auto] not found$config[zx-overlay] not found