统计 - 调整后的R平方

2018-12-28 10:08 更新

R平方测量由自变量(X)解释的因变量(Y)变量在线性回归模型中的比例。 调整的R平方根据模型中的独立变量的数量调整统计量。$ {R ^ 2} $显示术语(数据点)适合曲线或线的程度。 调整的$ {R ^ 2} $也指示条件拟合曲线或线的程度,但调整模型中的项数。 如果你给模型添加越来越多的无用的变量,调整的r平方将减少。 如果添加更多有用的变量,调整的r平方将增加。

调整后的$ {R_ {adj} ^ 2} $将始终小于或等于$ {R ^ 2} $。 在处理样本时,您只需要$ {R ^ 2} $。 换句话说,当有整个群体的数据时,$ {R ^ 2} $不是必需的。

$ {R_ {adj} ^ 2 = 1 - [\\ frac {(1-R ^ 2)(n-1)} {n-k-1}] $

其中 -

  • $ {n} $ =数据样本中的点数。

  • $ {k} $ =独立回归者的数量,即模型中的变量数,不包括常量。

例子

问题陈述:

一个基金的样本R平方值接近0.5,毫无疑问,它为5个预测变量提供了更高的风险调整回报,样本量为50。 查找调整后的R平方值。

解决方案:

样本大小= 50预测器数目= 5样本R平方= 0.5。提出方程中的质量,

$ {R_{adj}^2 = 1 - [\frac{(1-0.5^2)(50-1)}{50-5-1}] \\[7pt] \, = 1 - (0.75) \times \frac{49}{44} , \\[7pt] \, = 1 - 0.8352 , \\[7pt] \, = 0.1648 }$

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号