Förklaringsgraden är också känd som R -kvadrat ( R ^ 2 ) . Det är ett statistiskt mått på hur väl en linjär modell passar en uppsättning data ; modellen skulle kunna finnas ett samband eller en linjär regression eller en variansanalys . Det finns också ” pseudo R ^ 2 ” åtgärder för andra former av regression såsom logistisk regression . Utbud av determinationskoefficienten
graden varierar från 0 till 1 0 indikerar att det inte finns något linjärt samband alls, 1 indikerar att förhållandet är perfekt . Vad räknas som en ”hög ” eller ”bra” koefficient varierar från område till område . I psykologi , är 0,3 ganska hög ; i fysik 0.8 anses ofta vara låg .
Vad koefficienten Åtgärder
graden mäter styrkan i ett linjärt förhållande . Men den exakta innebörden av ” linjärt samband ” är ofta förvirrande för eleverna . Ett linjärt förhållande är linjärt i dess parametrar. Till exempel kan du modell vikt i vuxna människor som funktion av höjd och längd i kvadrat , att få en regressionsekvationsom:
W = b0 + b1 * H + b2 * H ^ 2 Review
Där W är vikt och H är höjden och b0 , b1 och b2 är koefficienter som ska uppskattas . Detta är en linjär regression , eftersom ingen av parametern höjs till befogenheter. Addera förklaringsgrad i variansanalys
variansanalys ( ANOVA ) , är modellerna utvecklas och utvärderas utifrån summor av kvadrater, eller avvikelser . I varje uppsättning kvantitativa data som samlas in i flera grupper , kan man titta på den totala variansen och variationen inom och mellan grupper . Förklaringsgraden är summan av kvadraterna mellan grupper dividerat med summan av kvadraterna .
Andel Variation
Ett annat sätt att se på determinationskoefficienten är att det är andelen variationen i den beroende variabeln ( vad vi försöker förklara ) som redovisas av modellen . Så, om koefficienten är 0,8 innebär det att 80 procent av variationen i den beroende variabeln förklaras av modellen . Addera