Noteikšanas koeficients (R² vai r-kvadrāts) ir statistisks rādītājs regresijas modelī, kas nosaka dispersijas proporciju atkarīgajā mainīgajā lielumā, ko var izskaidrot ar neatkarīgo mainīgo Neatkarīgais mainīgais Neatkarīgais mainīgais ir ievads, pieņēmums vai draiveris tas tiek mainīts, lai novērtētu tā ietekmi uz atkarīgo mainīgo (rezultātu). . Citiem vārdiem sakot, noteikšanas koeficients norāda, cik labi dati atbilst modelim (piemērotības labums).
Lai gan noteikšanas koeficients sniedz dažas noderīgas atziņas par regresijas modeli, statistiskā modeļa novērtēšanā nevajadzētu paļauties tikai uz mēru. Tajā 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. un tas nenorāda uz regresijas modeļa pareizību. Tāpēc lietotājam vienmēr jāizdara secinājumi par modeli, statistiskajā modelī analizējot noteikšanas koeficientu kopā ar citiem mainīgajiem lielumiem.
Noteikšanas koeficients var būt jebkuras vērtības no 0 līdz 1. Turklāt statistisko metriku bieži izsaka procentos.
Noteikšanas koeficienta (R²) interpretācija
Visizplatītākā noteikšanas koeficienta interpretācija ir tā, cik labi regresijas modelis atbilst novērotajiem datiem. Piemēram, 60% noteikšanas koeficients parāda, ka 60% datu atbilst regresijas modelim. Parasti lielāks koeficients norāda uz labāku piemērotību modelim.
Tomēr ne vienmēr regresijas modelim ir labs r kvadrāts. Koeficienta kvalitāte ir atkarīga no vairākiem faktoriem, tostarp mainīgo lielumu mērvienībām, modelī izmantoto mainīgo rakstura un pielietotās datu transformācijas. Tādējādi dažreiz augsts koeficients var norādīt uz regresijas modeļa problēmām.
Neviens universāls noteikums nenosaka, kā noteiktības koeficientu iekļaut modeļa novērtēšanā. Prognozes vai eksperimenta pamatā esošais konteksts ir ārkārtīgi svarīgs, un dažādos scenārijos ieskats no statistikas metrikas var atšķirties.
Koeficienta aprēķins
Matemātiski noteikšanas koeficientu var atrast, izmantojot šādu formulu:
Kur:
- SSregresija - kvadrātu summa regresijas dēļ (izskaidrotā kvadrātu summa)
- SSKopā - kopējā kvadrātu summa
Lai arī termini “kopējā kvadrātu summa” un “kvadrātu summa regresijas dēļ” šķiet mulsinoši, mainīgo nozīme ir vienkārša.
Kopējā kvadrātu summa mēra novēroto datu (regresijas modelēšanā izmantoto datu) variācijas. Kvadrātu summa regresijas dēļ mēra, cik labi regresijas modelis atspoguļo datus, kas tika izmantoti modelēšanai.
Vairāk resursu
Finanses ir oficiālais globālās finanšu modelēšanas un vērtēšanas analītiķu (FMVA) ™ FMVA® sertifikācijas nodrošinātājs. Pievienojieties 350 600+ studentiem, kuri strādā tādos uzņēmumos kā Amazon, JP Morgan un Ferrari sertifikācijas programma, kas paredzēta ikvienam, lai kļūtu par pasaules klases finanšu analītiķi. . Lai turpinātu mācīties un virzīt savu karjeru, noderēs tālāk norādītie papildu finanšu resursi:
- Finanšu pamatstatistikas jēdzieni Finanšu pamatstatistikas jēdzieni Stingra statistikas izpratne ir ārkārtīgi svarīga, lai palīdzētu mums labāk izprast finanses. Turklāt statistikas jēdzieni var palīdzēt investoriem uzraudzīt
- Binomiālais sadalījums Binomālais sadalījums Binomālais sadalījums ir izplatīts varbūtības sadalījums, kas modelē varbūtību iegūt vienu no diviem rezultātiem ar noteiktu parametru skaitu
- Centrālās robežas teorēma Centrālās robežas teorēma Centrālās robežas teorēma norāda, ka nejauša mainīgā lieluma vidējais lielums pieņems gandrīz normālu vai normālu sadalījumu, ja izlases lielums ir liels
- 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.
