R kvadrāts (R² vai noteikšanas koeficients) ir statistikas mērs regresijas modelī, kas nosaka dispersijas daļu atkarīgajā mainīgajā lielumā, ko var izskaidrot ar neatkarīgo mainīgo Neatkarīgais mainīgais Neatkarīgais mainīgais ir ievads, pieņēmums vai draiveris kas tiek mainīts, lai novērtētu tā ietekmi uz atkarīgo mainīgo (rezultātu). . Citiem vārdiem sakot, r-kvadrāts parāda, cik labi dati atbilst regresijas modelim (fit labestība).
1. attēls. Regresijas izvade MS Excel
R kvadrātā var iegūt jebkuras vērtības no 0 līdz 1. Lai gan statistiskais rādītājs sniedz noderīgu ieskatu par regresijas modeli, statistiskā modeļa novērtējumā lietotājam nevajadzētu paļauties tikai uz mēru. Attēlā netiek atklāta informācija par cēloņsakarību starp neatkarīgajiem un atkarīgajiem mainīgajiem. Atkarīgais mainīgais Atkarīgais mainīgais ir tāds, kas mainīsies atkarībā no cita mainīgā, sauktā par neatkarīgo mainīgo, vērtības. .
Turklāt tas nenorāda uz regresijas modeļa pareizību. Tādēļ lietotājam vienmēr jāizdara secinājumi par modeli, analizējot r-kvadrātu kopā ar citiem statistiskā modeļa mainīgajiem.
R-Squared interpretācija
Visizplatītākā r-kvadrāta interpretācija ir tā, cik labi regresijas modelis atbilst novērotajiem datiem. Piemēram, r-kvadrāts 60% parāda, ka 60% datu atbilst regresijas modelim. Parasti lielāks r kvadrāts norāda uz labāku piemērotību modelim.
Tomēr ne vienmēr regresijas modelim ir labs r kvadrāts. Statistiskā mērījuma kvalitāte ir atkarīga no daudziem faktoriem, piemēram, modelī izmantoto mainīgo rakstura, mainīgo lielumu mērvienībām un pielietotās datu transformācijas. Tādējādi dažreiz augsts r kvadrāts var norādīt uz regresijas modeļa problēmām.
Zems skaitlis r kvadrātā parasti ir slikta zīme prognozējošiem modeļiem. Tomēr dažos gadījumos labs modelis var parādīt nelielu vērtību.
Nav universāla noteikuma par to, kā statistikas rādītāju iekļaut modeļa novērtēšanā. Eksperimenta vai prognozes prognozēšanas metožu konteksts Populārākās prognozēšanas metodes. Šajā rakstā mēs izskaidrosim četru veidu ieņēmumu prognozēšanas metodes, kuras finanšu analītiķi izmanto, lai prognozētu nākotnes ieņēmumus. ir ārkārtīgi svarīga, un dažādos scenārijos ieskats metrikā var atšķirties.
Kā aprēķināt R-kvadrātu
R kvadrāta aprēķināšanas formula ir:
Kur:
- SSregresijair regresijas dēļ iegūto kvadrātu summa (izskaidrotā kvadrātu summa)
- SSKopā ir kopējā kvadrātu summa
Kaut arī nosaukumi “kvadrātu summa regresijas dēļ” un “kopējā kvadrātu summa” var šķist mulsinoši, mainīgo lielumu nozīme ir vienkārša.
Kvadrātu summa regresijas dēļ mēra, cik labi regresijas modelis atspoguļo datus, kas tika izmantoti modelēšanai. Kopējā kvadrātu summa mēra novēroto datu (regresijas modelēšanā izmantoto datu) variācijas.
Saistītie lasījumi
Finanses ir oficiālais finanšu modelēšanas un vērtēšanas analītiķa (FMVA) ™ FMVA® sertifikācijas nodrošinātājs. Pievienojieties 350 600+ studentiem, kuri strādā tādos uzņēmumos kā Amazon, J.P.Morgan un Ferrari sertifikācijas programma, kas paredzēta ikviena pārveidošanai par pasaules klases finanšu analītiķi.
Lai turpinātu mācīties un pilnveidot savas zināšanas par finanšu analīzi, mēs iesakām tālāk norādītos papildu finanšu resursus:
- Finanšu pamatstatistikas jēdzieni Finanšu pamatstatistikas jēdzieni Stingra statistikas izpratne ir ļoti svarīga, lai palīdzētu mums labāk izprast finanses. Turklāt statistikas jēdzieni var palīdzēt investoriem uzraudzīt
- Finanšu modelēšanas veidnes
- Regresijas analīze Regresijas analīze Regresijas analīze ir statistikas metožu kopums, ko izmanto, lai novērtētu attiecības starp atkarīgo mainīgo un vienu vai vairākiem neatkarīgiem mainīgajiem. To var izmantot, lai novērtētu mainīgo lielumu attiecības un modelētu turpmākās attiecības starp tiem.
- Finanšu analīzes veidi Finanšu analīzes veidi Finanšu analīze ietver finanšu datu izmantošanu, lai novērtētu uzņēmuma darbību un sniegtu ieteikumus par to, kā tas var uzlabot turpmāko darbību. Finanšu analītiķi galvenokārt savu darbu veic programmā Excel, izmantojot izklājlapu, lai analizētu vēsturiskos datus un veiktu prognozes Finanšu analīzes veidi
