Määramise koefitsient - määratlus, tõlgendamine, arvutamine

Määramiskoefitsient (R² või r-ruut) on regressioonimudeli statistiline mõõde, mis määrab sõltuva muutuja dispersiooni osakaalu, mida saab seletada sõltumatu muutujaga Sõltumatu muutuja Sõltumatu muutuja on sisend, eeldus või draiver seda muudetakse, et hinnata selle mõju sõltuvale muutujale (tulemusele). . Teisisõnu, määramistegur ütleb, kui hästi andmed sobivad mudeliga (sobivuse headus).

Määramise koefitsient

Ehkki määramiskoefitsient annab regressioonimudeli kohta kasulikke teadmisi, ei tohiks statistilise mudeli hindamisel tugineda ainult meetmele. See ei avalda teavet põhjuslike seoste kohta sõltumatute ja sõltuvate muutujate vahel Sõltuv muutuja Sõltuv muutuja on see, mis muutub sõltuvalt teise muutuja väärtusest, mida nimetatakse sõltumatuks muutujaks. ja see ei osuta regressioonimudeli õigsusele. Seetõttu peaks kasutaja tegema mudeli kohta alati järeldused, analüüsides määramiskoefitsienti koos teiste muutujatega statistilises mudelis.

Määramistegur võib võtta mis tahes väärtused vahemikus 0 kuni 1. Lisaks väljendatakse statistilist mõõdikut sageli protsentides.

Määramisteguri (R²) tõlgendamine

Määramiskoefitsiendi kõige tavalisem tõlgendus on see, kui hästi regressioonimudel sobib vaadeldud andmetega. Näiteks näitab määramistegur 60%, et 60% andmetest sobib regressioonimudeliga. Üldiselt näitab suurem koefitsient mudeli paremat sobivust.

Alati pole aga nii, et kõrge r-ruut oleks regressioonimudeli jaoks hea. Koefitsiendi kvaliteet sõltub mitmest tegurist, sealhulgas muutujate mõõtühikutest, mudelis kasutatud muutujate olemusest ja rakendatud andmete teisendamisest. Seega võib mõnikord kõrge koefitsient viidata regressioonimudeli probleemidele.

Ükski universaalne reegel ei reguleeri seda, kuidas mudeli hindamisse koefitsient lisada. Prognoosi või katse aluseks olev kontekst on äärmiselt oluline ning erinevates stsenaariumides võivad statistilise mõõdiku ülevaated erineda.

Koefitsiendi arvutamine

Matemaatiliselt saab määramisteguri leida järgmise valemi abil:

Valem

Kus:

  • SStaandareng - regressioonist tingitud ruutude summa (selgitatud ruutude summa)
  • SSkokku - ruutude summa

Kuigi mõisted “ruutude summa kokku” ja “regressioonist tingitud ruutude summa” tunduvad segased, on muutujate tähendus sirgjooneline.

Ruutude summaarne summa mõõdab vaadeldud andmete (regressioonimodelleerimisel kasutatud andmete) varieerumist. Regressioonist tingitud ruutude summa mõõdab seda, kui hästi regressioonimudel esindab modelleerimisel kasutatud andmeid.

Rohkem ressursse

Finance on ülemaailmse finantsmudeli modelleerimise ja hindamise analüütiku (FMVA) ametlik pakkuja. FMVA® sertifikaat. Liituge 350 600+ üliõpilasega, kes töötavad sellistes ettevõtetes nagu Amazon, JP Morgan ja Ferrari, mis on loodud selleks, et aidata kõigil saada maailmatasemel finantsanalüütikuks . Õppimise jätkamiseks ja oma karjääri edendamiseks on kasulikud allpool olevad täiendavad finantsressursid:

  • Finantsstatistika põhimõisted Rahanduse põhistatistika mõisted Statistika kindel mõistmine on ülioluline, et aidata meil rahandust paremini mõista. Pealegi võivad statistikakontseptsioonid aidata investoritel jälgida
  • Binomiaaljaotus Binoomijaotus Binoomijaotus on tavaline tõenäosusjaotus, mis modelleerib tõenäosust saada üks kahest tulemusest antud parameetrite arvu korral
  • Keskpiiriteoreem Keskpiiriteoreem Keskpiiriteoreem ütleb, et juhusliku suuruse valimi keskmine eeldab peaaegu normaal- või normaaljaotust, kui valimi suurus on suur
  • Regressioonanalüüs Regressioonanalüüs Regressioonanalüüs on statistiliste meetodite kogum, mida kasutatakse sõltuva muutuja ja ühe või mitme sõltumatu muutuja vaheliste seoste hindamiseks. Seda saab kasutada muutujate seose tugevuse hindamiseks ja nende vahelise tulevase suhte modelleerimiseks.

Lang L: none (rec-post)