确定系数

确定系数,在统计数据,R²(或r²),测量,评估的能力模型在线性预测或解释的结果回归设置。更具体地说,R²显示的比例方差因变量(Y)预测或解释线性回归和预测变量(X,也被称为独立变量)。

一般来说,高R²值表示该模型适合数据,尽管解释取决于上下文的分析。一个R²0.35为例,结果表明,变异的35%已经被预测结果解释只是使用协变量包括在模型中。这一比例可能是一个非常高的比例的变化来预测等领域社会科学;在其他领域,比如物理科学,人们会预计R²更接近100%。理论的最低R²是0。然而,由于线性回归是基于最好的健康,R²总是会大于零,即使预测变量和结果毫无关系。

R²增加一个新预测变量时添加到模型中,即使新的预测与结果无关。占这一效果,调整R²(通常是表示与一个酒吧R在R²)通常包含相同的信息R²还有惩罚的预测变量纳入模型。作为一个结果,R²增加了新的预测一个多元线性回归模型,但调整R²增加只有在增加R²大于一个期望的机会。在这种模型中,调整R²是最现实的估计的比例的变化预测的不包括在模型中。

当只有一个预测包含在模型中,系数确定是培生的数学相关的相关系数,r。平方的相关系数结果在价值系数的决心。确定系数还可以发现使用以下公式:R²=米年代年代/T年代年代= (T年代年代−R年代年代)/T年代年代,在那里米年代年代模型平方和(有时也称为E年代年代,或者解释平方和)的平方和的预测变量的线性回归-;T年代年代是总平方和与结果变量的平方和的测量-他们的意思;和R年代年代剩余平方和,广场之和减去测量预测从线性回归。

确定系数显示只有协会。与线性回归一样,是不可能使用R²确定一个变量的原因。此外,确定系数只显示的大小协会,协会差别是否有统计学意义。