Statistik - Angepasstes R-Quadrat
Das R-Quadrat misst den Anteil der Variation in Ihrer abhängigen Variablen (Y), der durch Ihre unabhängigen Variablen (X) für ein lineares Regressionsmodell erklärt wird. Das angepasste R-Quadrat passt die Statistik basierend auf der Anzahl der unabhängigen Variablen im Modell an. $ {R ^ 2} $ zeigt an, wie gut Terme (Datenpunkte) zu einer Kurve oder Linie passen. Angepasstes $ {R ^ 2} $ gibt auch an, wie gut Terme zu einer Kurve oder Linie passen, passt sich jedoch der Anzahl der Terme in einem Modell an. Wenn Sie einem Modell immer mehr nutzlose Variablen hinzufügen, verringert sich das angepasste r-Quadrat. Wenn Sie weitere nützliche Variablen hinzufügen, erhöht sich das angepasste r-Quadrat.
Das angepasste $ {R_ {adj} ^ 2} $ ist immer kleiner oder gleich $ {R ^ 2} $. Sie benötigen nur $ {R ^ 2} $, wenn Sie mit Samples arbeiten. Mit anderen Worten, $ {R ^ 2} $ ist nicht erforderlich, wenn Sie Daten aus einer gesamten Population haben.
Formel
$ {R_ {Adj
Wo -
$ {n} $ = die Anzahl der Punkte in Ihrer Datenprobe.
$ {k} $ = die Anzahl der unabhängigen Regressoren, dh die Anzahl der Variablen in Ihrem Modell ohne die Konstante.
Beispiel
Problem Statement:
Ein Fonds hat einen R-Quadrat-Stichprobenwert nahe 0,5 und bietet zweifellos höhere risikobereinigte Renditen mit einer Stichprobengröße von 50 für 5 Prädiktoren. Finden Sie den angepassten R-Quadrat-Wert.
Solution:
Stichprobengröße = 50 Anzahl der Prädiktoren = 5 Stichprobe R - Quadrat = 0,5. Ersetzen Sie die Eigenschaften in der Gleichung.