Määrityskerroin (R² tai r-neliö) on regressiomallin tilastollinen mitta, joka määrittää riippuvan muuttujan varianssin osuuden, joka voidaan selittää riippumattomalla muuttujalla Independent Variable Independent Muuttuja on panos, oletus tai ohjain jota muutetaan sen vaikutuksen arvioimiseksi riippuvaan muuttujaan (lopputulokseen). . Toisin sanoen, määrityskerroin kertoo kuinka hyvin tiedot sopivat malliin (sopivuus).
Vaikka määrityskerroin tarjoaa hyödyllisiä oivalluksia regressiomallista, tilastollisen mallin arvioinnissa ei pidä luottaa pelkästään toimenpiteeseen. Se ei paljasta tietoa riippumattomien ja riippuvien muuttujien välisestä syy-yhteydestä Riippuva muuttuja Riippuva muuttuja on sellainen, joka muuttuu riippuen toisen muuttujan arvosta, jota kutsutaan itsenäiseksi muuttujaksi. eikä se osoita regressiomallin oikeellisuutta. Siksi käyttäjän tulisi aina tehdä johtopäätöksiä mallista analysoimalla määrityskerroin yhdessä muiden muuttujien kanssa tilastollisessa mallissa.
Määrityskerroin voi olla mikä tahansa arvo välillä 0 - 1. Lisäksi tilastollinen mittari ilmaistaan usein prosentteina.
Määrityskertoimen (R²) tulkinta
Määrityskertoimen yleisin tulkinta on se, kuinka hyvin regressiomalli sopii havaittuihin tietoihin. Esimerkiksi 60%: n määrityskerroin osoittaa, että 60% tiedoista sopii regressiomalliin. Yleensä korkeampi kerroin osoittaa paremman sopivuuden malliin.
Kuitenkaan ei aina ole, että korkea r-neliö on hyvä regressiomallille. Kertoimen laatu riippuu useista tekijöistä, mukaan lukien muuttujien mittayksiköt, mallissa käytettyjen muuttujien luonne ja käytetty tietojen muunnos. Siksi joskus korkea kerroin voi osoittaa ongelmia regressiomallissa.
Mikään yleissääntö ei määrää, kuinka määrityskerroin sisällytetään mallin arviointiin. Ennusteen tai kokeen perustana oleva konteksti on erittäin tärkeä, ja erilaisissa tilanteissa tilastollisen muuttujan näkemykset voivat vaihdella.
Kertoimen laskeminen
Matemaattisesti määrityskerroin voidaan löytää seuraavan kaavan avulla:
Missä:
- SSregressio - regressiosta johtuvien neliöiden summa (selitetty neliöiden summa)
- SSkaikki yhteensä - neliöiden summa
Vaikka termit "neliöiden summa" ja "regressiosta johtuvien neliöiden summa" vaikuttavat hämmentäviltä, muuttujien merkitykset ovat suoraviivaisia.
Neliöiden kokonaissumma mittaa havaittujen tietojen vaihtelua (regressiomallinnuksessa käytetyt tiedot). Regressiosta johtuvien neliöiden summa mittaa kuinka hyvin regressiomalli edustaa mallinnuksessa käytettyjä tietoja.
Lisää resursseja
Finance on maailmanlaajuisen finanssimallinnus- ja arvostusanalyytikon (FMVA) ™ virallinen toimittaja. FMVA®-sertifiointi . Alla olevista lisärahoitusresursseista on hyötyä oppimisen ja urasi etenemisen kannalta:
- Rahoituksen perustilastokäsitteet Rahoituksen perustilastokäsitteet Tilastojen vahva tuntemus on ratkaisevan tärkeää, jotta voimme paremmin ymmärtää taloutta. Lisäksi tilastokonseptit voivat auttaa sijoittajia seuraamaan
- Binomiaalijakauma Binomijakauma Binomijakauma on yleinen todennäköisyysjakauma, joka mallinnaa todennäköisyyden saada yksi kahdesta tuloksesta tietyllä parametrimäärällä
- Keskirajalause Keskirajalauseke Keskirajalauseen mukaan satunnaismuuttujan otoskeskiarvo olettaa lähellä normaalia tai normaalijakaumaa, jos otoksen koko on suuri
- Regressioanalyysi Regressioanalyysi Regressioanalyysi on joukko tilastollisia menetelmiä, joita käytetään riippuvan muuttujan ja yhden tai useamman itsenäisen muuttujan välisten suhteiden estimointiin. Sitä voidaan käyttää muuttujien välisen suhteen vahvuuden arviointiin ja niiden välisen tulevan suhteen mallintamiseen.
