यदि समायोजित आर-वर्ग बेहतर मॉडल की भविष्यवाणी करता है तो आर-वर्ग को आर-वर्ग से कम क्यों समायोजित किया जाता है?

Question

जहां तक ​​मैं समझता हूं, बताता है कि मॉडल अवलोकन को कितनी अच्छी तरह से भविष्यवाणी करता है। समायोजित आर 2 वह है जो अधिक टिप्पणियों (या स्वतंत्रता की डिग्री) को ध्यान में रखता है। तो, समायोजित आर 2 मॉडल को बेहतर ढंग से भविष्यवाणी करता है? फिर यह आर 2 से कम क्यों है ? ऐसा प्रतीत होता है कि यह अक्सर अधिक होना चाहिए।$R^2$$R^2$$R^2$$R^2$

Answer 1

स्वतंत्र चर और आश्रित चर के बीच रैखिक संबंध को दर्शाता है। इसे 1 - S S E के रूप में परिभाषित किया गया है$R^2$$1-\frac{SSE}{SSTO}$$SSTO = SSE + SSR$$SSR$$SSTO$$SSE$$R^2$

$R^2$$R^2$$R^2$$R^2$$R^2$

Comments

यह स्पष्ट नहीं है, कि समायोजित आर स्क्वायर इंगित गुणों को कैसे प्राप्त करता है। यही है, सूत्र क्या है और यह गुणों का कारण कैसे बनता है?

— एलेक्सी वॉयटेनको

Adj R ^ 2 = 1 - (((n -1) / (n - k -1)) (1 - R ^ 2)

— पहाड़

जहाँ k = # स्वतंत्र चर का, n = # अवलोकन

— पर्वतारोही

सांख्यिकीय संकोचन के लिए खाते का प्रयास - शायद ओवरफिटिंग के लिए?

— रिचर्ड हार्डी

Answer 2

R ^ 2 रेखीय प्रतिगमन मॉडल के लिए आपके स्वतंत्र चर (X) द्वारा समझाए गए आपके आश्रित चर (Y) में भिन्नता के अनुपात की व्याख्या करता है।

जबकि समायोजित R ^ 2 कहता है कि आपके निर्भर चर (Y) में भिन्नता का अनुपात एक रेखीय प्रतिगमन मॉडल के लिए 1 से अधिक स्वतंत्र चर (X) द्वारा समझाया गया है ।

Comments

आप "स्वतंत्र चर" और "1 से अधिक स्वतंत्र चर" के बीच अंतर कर रहे हैं, यह स्पष्ट नहीं है। इसके अलावा, एंडी को नीचे से उद्धृत करते हुए, "आप वास्तव में नई जानकारी नहीं जोड़ते हैं जो पहले प्रदान की गई थी।"

— अमीबा का कहना है कि मोनिका

Answer 3

R-Squared तब भी बढ़ता है जब आप वैरिएबल जोड़ते हैं जो निर्भर चर से संबंधित नहीं होते हैं, लेकिन समायोजित R-Squared इस बात का ध्यान रखता है कि जब भी आप वैरिएबल से संबंधित वैरिएबल से संबंधित नहीं होते हैं तो यह घट जाता है, इस प्रकार देखभाल करने के बाद इसकी संभावना है कम करना, घटाना।

Comments

यह देखते हुए कि इस प्रश्न का पहले से ही स्वीकृत उत्तर है, यह एक टिप्पणी से अधिक होना चाहिए। आप वास्तव में नई जानकारी नहीं जोड़ते हैं जो पहले प्रदान की गई थी।

— एंडी