a:

Ein Hauptunterschied zwischen R-Quadrat und dem angepassten R-Quadrat besteht darin, dass R-Quadrat voraussetzt, dass jede unabhängige Variable im Modell die Variation in der abhängigen Variablen erklärt. Sie gibt den Prozentsatz der erklärten Variation so an, als ob alle unabhängigen Variablen im Modell die abhängige Variable beeinflussen, während das angepasste R-Quadrat den Prozentsatz der Variation angibt, der nur durch die unabhängigen Variablen erklärt wird, die in Wirklichkeit die abhängige Variable beeinflussen. R-squared kann nicht überprüfen, ob die Koeffizienten-Ballparkzahl und ihre Vorhersagen beeinträchtigt sind. Es zeigt auch nicht, ob ein Regressionsmodell zufriedenstellend ist. Es kann eine R-Quadrat-Zahl für ein gutes Modell oder eine hohe R-Quadrat-Zahl für ein Modell zeigen, das nicht passt.

Das angepasste R-Quadrat vergleicht die Beschreibungskraft von Regressionsmodellen, die eine unterschiedliche Anzahl von Prädiktoren enthalten. Jeder zu einem Modell hinzugefügte Prädiktor erhöht R-Quadrat und verringert es niemals. Ein Modell mit mehr Termen scheint also besser zu passen, nur weil es mehr Termen hat, während das angepasste R-Quadrat die Addition von Variablen ausgleicht und nur dann zunimmt, wenn der neue Term das Modell übersteigt. wird durch Wahrscheinlichkeit erhalten und verringert sich, wenn ein Prädiktor das Modell um weniger erhöht als das, was zufällig vorhergesagt wird. In einem Überanpassungszustand wird ein falsch hoher Wert des R-Quadrats erhalten, der zu einer verringerten Vorhersagefähigkeit führt. Dies ist bei dem angepassten R-Quadrat nicht der Fall.

Das angepasste R-Quadrat ist eine modifizierte Version von R-Quadrat für die Anzahl der Prädiktoren in einem Modell. Das angepasste R-Quadrat kann negativ sein, ist jedoch nicht immer, während ein R-Quadratwert zwischen null und 100 liegt, und zeigt die lineare Beziehung in der Datenprobe selbst dann an, wenn keine Grundbeziehung vorliegt. Das angepasste R-Quadrat ist die beste Schätzung des Verwandtschaftsgrades in der Grundgesamtheit. Um die Korrelation von Modellen mit R-Quadrat zu zeigen, wählen Sie das Modell mit dem höchsten Grenzwert aus, aber der beste und einfachste Weg, Modelle zu vergleichen, besteht darin, eins mit dem kleineren angepassten R-Quadrat auszuwählen. Das angepasste R-Quadrat ist kein typisches Modell zum Vergleich nichtlinearer Modelle, sondern multipler linearer Regressionen.