Nustatymo koeficientas (R² arba r kvadratas) yra statistinis regresijos modelio matas, kuris nustato priklausomo kintamojo dispersijos dalį, kurią galima paaiškinti nepriklausomu kintamuoju Nepriklausomas kintamasis Nepriklausomas kintamasis yra įvestis, prielaida ar tvarkyklė. kad yra pakeista, siekiant įvertinti jo poveikį priklausomam kintamajam (rezultatui). . Kitaip tariant, apsisprendimo koeficientas nurodo, kaip duomenys tinka modeliui (tinkamumo gerumas).
Nors nustatymo koeficientas pateikia naudingų įžvalgų apie regresijos modelį, vertinant statistinį modelį nereikėtų pasikliauti vien matu. Joje neatskleidžiama informacija apie priežastinio ryšio tarp nepriklausomų ir priklausomų kintamųjų priklausomą kintamąjį. Priklausomas kintamasis yra tas, kuris pasikeis priklausomai nuo kito kintamojo, vadinamo nepriklausomu kintamuoju, vertės. ir tai nenurodo regresijos modelio teisingumo. Todėl vartotojas visada turėtų padaryti išvadas apie modelį, analizuodamas nustatymo koeficientą kartu su kitais statistinio modelio kintamaisiais.
Nustatymo koeficientas gali būti bet koks nuo 0 iki 1. Be to, statistinė metrika dažnai išreiškiama procentais.
Nustatymo koeficiento (R²) aiškinimas
Dažniausiai nustatymo koeficientą aiškina tai, kaip gerai regresijos modelis atitinka stebimus duomenis. Pavyzdžiui, 60% nustatymo koeficientas rodo, kad 60% duomenų atitinka regresijos modelį. Paprastai didesnis koeficientas rodo geresnį modelio atitikimą.
Tačiau ne visada regresijos modeliui tinka didelis r kvadratas. Koeficiento kokybė priklauso nuo kelių veiksnių, įskaitant kintamųjų matavimo vienetus, modelyje naudojamų kintamųjų pobūdį ir taikomą duomenų transformaciją. Taigi kartais didelis koeficientas gali reikšti regresijos modelio problemas.
Nė viena universali taisyklė nereglamentuoja, kaip įtraukti modelio nustatymo koeficientą. Prognozės ar eksperimento pagrindas yra nepaprastai svarbus, o skirtinguose scenarijuose statistinės metrikos įžvalgos gali skirtis.
Koeficiento apskaičiavimas
Matematiškai nustatymo koeficientą galima rasti naudojant šią formulę:
Kur:
- SSregresija - kvadratų suma dėl regresijos (paaiškinta kvadratų suma)
- SSviso - bendra kvadratų suma
Nors terminai „bendra kvadratų suma“ ir „kvadratų suma dėl regresijos“ atrodo painūs, kintamųjų reikšmė yra aiški.
Bendra kvadratų suma matuoja stebėtų duomenų (regresijos modeliavime naudojamų duomenų) kitimą. Kvadratų suma dėl regresijos matuoja, kaip gerai regresijos modelis atspindi duomenis, kurie buvo naudojami modeliavimui.
Daugiau išteklių
Finansai yra oficialus pasaulinio finansų modeliavimo ir vertinimo analitiko (FMVA) ™ FMVA® sertifikavimo teikėjas. Prisijunkite prie 350 600 ir daugiau studentų, dirbančių tokiose įmonėse kaip „Amazon“, „JP Morgan“ ir „Ferrari“ sertifikavimo programa, skirta padėti visiems tapti pasaulinio lygio finansų analitikais. . Norint toliau mokytis ir tobulėti karjeroje, bus naudingi toliau pateikiami papildomi finansų ištekliai:
- Finansų pagrindinės statistikos sąvokos Pagrindinės finansų statistikos sąvokos Tvirtas statistikos supratimas yra nepaprastai svarbus, kad padėtų mums geriau suprasti finansus. Be to, statistikos sąvokos gali padėti investuotojams stebėti
- Binominis pasiskirstymas Binominis pasiskirstymas Binominis pasiskirstymas yra dažnas tikimybių pasiskirstymas, kuris modeliuoja tikimybę gauti vieną iš dviejų rezultatų pagal tam tikrą skaičių parametrų
- Centrinės ribos teorema Centrinės ribos teorema Centrinės ribos teorema teigia, kad atsitiktinio kintamojo imties vidurkis prisiims beveik normalų arba normalų pasiskirstymą, jei imties dydis yra didelis
- Regresijos analizė Regresijos analizė Regresijos analizė yra statistinių metodų rinkinys, naudojamas sąryšiui tarp priklausomo kintamojo ir vieno ar daugiau nepriklausomų kintamųjų įvertinti. Jis gali būti naudojamas vertinant santykio tarp kintamųjų stiprumą ir modeliuojant būsimą jų santykį.
