Koeficient determinace je také známý jako R – squared (R ^ 2 ). To je statistický měřítkem toho, jak dobřese hodí lineární model sadu dat ; Model může být korelaci nebo lineární regrese nebo analýzy rozptylu . Existují také “ pseudo R ^ 2 “ opatření pro jiné formy regrese , jako logistické regrese . Rozsah koeficient determinace
Koeficient determinace se pohybuje v rozmezí od 0 do 1. 0 znamená, že neexistuje žádný lineární vztah vůbec , 1 znamená, ževztah je perfektní. Co se počítá jako“ vysoce rizikový“ nebo „dobré“ koeficient se liší od jednoho pole na druhé . V psychologii , 0.3 je poměrně vysoká ; ve fyzice 0,8 je často považována za nízkou .
Co koeficientu opatření
Koeficient determinace měří sílu lineárního vztahu. Ale přesný smysl „lineární vztah “ je často matoucí pro studenty. Lineární vztah je lineární v jeho parametrů . Například můžete modelovat váhu dospělého člověka v závislosti na výšce a výšce na druhou , jak se regresní rovnice , jako jsou : Přihlásit
W = b0 + b1 * H + b2 * H ^ 2
Kde W je hmotnost a H je výška a b0 , b1 a b2 budou odhadované koeficienty . Jedná se o lineární regrese , protože žádný z parametru se zvýší na pravomocemi.
Koeficient determinace v analýze rozptylu
V analýze rozptylu ( ANOVA ) , modely jsou vyvinuty a vyhodnoceny na základě součtů čtverců , nebo odchylky . V každém souboru kvantitativních údajů, které se shromažďují v několika skupinách , se můžete podívat na celkový rozptyl a rozptylu uvnitř a mezi skupinami . Koeficient determinace jesoučet čtverců mezi skupinami vydělí celkovým součtem čtverců .
Část odchylek
Další způsob, jak se dívat na koeficientu determinace je že se jedná o podíl variability v závislé proměnné ( to, co se snažíme vysvětlit ), který připadá na modelu. Takže, pokud je koeficient 0,8 , znamená to, že 80 procent variability závislé proměnné připadá na model .