a:

אחד ההבדלים העיקריים בין R-squared לבין R-squared המתואמים הוא ש- R-squared מניח שכל משתנה עצמאי במודל מסביר את השונות במשתנה התלוי. הוא נותן את אחוז השינוי המוסבר כאילו כל המשתנים הבלתי תלויים במודל משפיעים על המשתנה התלוי, בעוד ש - R-squared המתואם נותן את אחוז הווריאציה המוסברת רק על ידי המשתנים הבלתי תלויים שמשפיעים על המשתנה התלוי. R- בריבוע לא יכול לבדוק אם דמות ballpark מקדם התחזיות שלה הם דעות קדומות. זה גם לא מראה אם ​​מודל רגרסיה הוא משביע רצון; זה יכול להראות דמות R-squared עבור מודל טוב, או גבוה R- ריבוע דמות עבור מודל שאינו מתאים.

-> ->

R-squared המתואם משווה את הכוח התיאורי של מודלים של רגרסיה הכוללים מספר רב של מנבאים. כל מנבא שנוסף למודל מגדיל R-squared ולא מקטין אותו. לכן, מודל עם מונחים רבים יותר נראה כי יש התאמה טובה יותר רק עבור העובדה כי יש לו יותר במונחים, בעוד R מתואמת R- מפצה על תוספת של משתנים ורק מגביר אם המונח החדש משפר את המודל מעל מה יהיה המתקבל על ידי הסתברות וירידות כאשר מנבא משפר את המודל פחות ממה שנחזה במקרה. במצב overfitting, ערך גבוה באופן שגוי של R- בריבוע, אשר מוביל לירידה היכולת לחזות, מתקבל. זה לא המקרה עם R- מרובע מותאם.

R-squared המתואם הוא גרסה שונה של R-squared עבור מספר מנבאים במודל. ריבוע ה- R המתואם יכול להיות שלילי, אך לא תמיד, בעוד שערך R-squared הוא בין אפס ל -100, ומראה את הקשר הליניארי במדגם הנתונים גם כאשר אין מערכת יחסים בסיסית. R-squared מתואם הוא האומדן הטוב ביותר של מידת הקשר של האוכלוסייה הבסיסית. כדי להראות מתאם של מודלים עם R- בריבוע, לבחור את המודל עם הגבול הגבוה ביותר, אבל הדרך הטובה ביותר והקלה ביותר להשוות מודלים היא לבחור אחד עם קטן יותר מתואמים R- בריבוע. R-squared מותאם אינו מודל טיפוסי להשוואת מודלים לא לינארית, אלא רגרסיות ליניארית מרובות.

-> -