Coefficient of Determination (R²)
Una statistica che indica la bontà di adattamento di un modello, rappresentando la proporzione della varianza nella variabile dipendente che è prevedibile dalla/e variabile/i indipendente/i. Un R² pari a 1 indica un adattamento perfetto, mentre 0 indica l'assenza di una relazione lineare. Si calcola come [latex]R^2 equiv 1 – frac{SS_{res}}{SS_{tot}}[/latex], dove [latex]SS_{res}[/latex] è la somma dei quadrati dei residui.
Il coefficiente di determinazione, R-quadrato, è un parametro chiave per la valutazione dei modelli di regressione. Fornisce una misura intuitiva di quanta variabilità nel risultato sia catturata dal modello. Deriva da due componenti principali. La prima è la somma totale dei quadrati ([latex]SS_{tot} = sum_i (y_i – bar{y})^2[/latex]), che misura la varianza totale nella variabile dipendente [latex]y[/latex]. La seconda è la somma dei quadrati dei residui ([latex]SS_{res} = sum_i (y_i – hat{y}_i)^2[/latex]), che misura la varianza non spiegata dal modello, dove [latex]hat{y}_i[/latex] è il valore previsto.
La formula [latex]R^2 = 1 – SS_{res}/SS_{tot}[/latex] può essere interpretata come la percentuale della varianza totale che è ‘spiegata’ dal modello di regressione. Ad esempio, un R² di 0,75 significa che il 75% della variabilità nel risultato può essere spiegato dai predittori nel modello. Nella regressione lineare semplice, R² è semplicemente il quadrato del coefficiente di correlazione di Pearson (r) tra i valori osservati e quelli previsti.
However, R² has a significant limitation: it never decreases when a new predictor variable is added to the model, even if the new variable is irrelevant. This can be misleading and encourage overfitting. To counteract this, the Adjusted R-squared is often used. It modifies the R² value to account for the number of predictors in the model, providing a more accurate measure of goodness of fit for multiple regression.
UNESCO Nomenclature: 1209
- Statistiche
Precursori
- Concept of variance and standard deviation
- Method of least squares
- Coefficiente di correlazione prodotto-momento di Pearson
- Analysis of variance (ANOVA) principles
Applicazioni
- evaluating the performance of predictive models in science and engineering
- model selection in econometrics and social sciences
- quantifying the proportion of variance explained by a set of predictors
- validating financial models for risk assessment
Idee e potenziali innovazioni
A causa dell'eliminazione del traffico generato dai bot, che attualmente supera i 40.000 al giorno, questo contenuto è riservato ai membri della community.
> Accedi O > Registrati L'accesso a questo contenuto, così come a tutti gli altri contenuti e strumenti riservati, è (100% gratuito).
Argomenti correlati: r-quadrato, coefficiente di determinazione, bontà di adattamento, valutazione del modello, varianza spiegata, somma dei quadrati, diagnostica di regressione, significatività statistica, r-quadrato corretto, correlazione.