R,2 negatif olabilir, sadece şu anlama gelir:
- Model verilerinize çok kötü uyuyor
- Bir müdahale belirlemedin
0 ile 1 arasında olduğunu söyleyenlere , durum böyle değildir. İçinde 'kare' kelimesi olan bir şey için negatif bir değer matematik kurallarını ihlal ediyormuş gibi görünse de, bir modelinde kesişme olmadan olabilir. Nedenini anlamak için nasıl hesaplandığına bakmamız gerekir .R 2 R 2R2R2R2
Bu biraz uzun - Cevabı anlamadan istiyorsanız, o zaman sonuna kadar atlayın. Aksi takdirde, bunu basit kelimelerle yazmaya çalıştım.
İlk olarak 3 değişken tanımlayalım: , ve .T S S E S SRSSTSSESS
RSS hesaplanıyor :
Her bağımsız değişken için bağımlı değişkenine sahibiz . Her değeri için değerini tahmin eden en iyi doğrusal çizgiyi çiziyoruz . Hattın öngördüğü değerlerini . Satırınızın öngördüğü ve gerçek değerinin ne olduğu arasındaki hata çıkarma olabilir. Bütün bu farklılıklar kare ve rezidüel kareler toplamı veren toplanır .y y x y y y R S Sxyyxyy^yRSS
Bunu bir denkleme koymak,RSS=∑(y−y^)2
TSS hesaplanıyor :
olarak adlandırılan ortalama değerini hesaplayabiliriz . Biz çizmek Eğer o sabit olduğu için, bu verileri üzerinden sadece yatay çizgi olduğunu. Biz olsa onunla yapabilecekleriniz, çıkarma olduğunu (ortalama değeri her fiili değerinden) . Sonuç kare ve toplam eklenir, bu da toplam karelerinin toplamını verir .ˉ y ˉ y ˉ y y y T S Syy¯y¯y¯yyTSS
Bunu denklemine koymakTSS=∑(y−y¯)2
ESS hesaplanıyor :
( satır tarafından tahmin edilen değerleri ) ve ortalama değer arasındaki farklar kareye alınır ve eklenir. Bu, eşit açıklanmış kareler y ˉ y Σ( y - ˉ y )2y^yy¯∑(y^−y¯)2
Unutmayın, , ancak içine bir ekleyebiliriz , çünkü kendini iptal eder. Bu nedenle, . Bu parantezleri genişleterekTSS=∑(y−y¯)2+y^−y^TSS=∑(y−y^+y^−y¯)2TSS=∑(y−y^)2+2∗∑(y−y^)(y^−y¯)+∑(y^−y¯)2
Ne zaman ve sadece çizgi kesişme ile işaretlendiğinde, aşağıdakiler her zaman doğrudur: . Bu nedenle, fark edebileceğiniz , sadece anlamına gelir . Tüm terimleri böler ve yeniden düzenlersek alırız .2∗∑(y−y^)(y^−y¯)=0TSS=∑(y−y^)2+∑(y^−y¯)2TSS=RSS+ESSTSS1−RSSTSS=ESSTSS
İşte önemli kısmı :
R,2 , varyansın ne kadarının modeliniz tarafından açıklandığı (modelinizin ne kadar iyi olduğu) olarak tanımlanır. Denklem formunda, bu . Tanıdık görünmek? Çizgi bir kesişme ile çizildiğinde, bunu . Hem pay hem de iblis kareler toplamı olduğundan, pozitif olmalıdır.R,2= 1 - R SSTSSR,2= ESSTSSR,2
FAKAT
Bir kesişim belirtmediğimizde, mutlaka eşit değildir . Bu, .2 ∗ ∑ ( y- y^) ( y^- y¯)0TSS= R, SS+ ESS+ 2 ∗ ∑ ( y- y^) ( y^- y¯)
Tüm terimleri , .TSS1 - R, SSTSS= ESS+ 2 ∗ ∑ ( y- y^) ( y^- y¯)TSS
Son olarak, . Bu kez, payın içinde karelerin toplamı olmayan bir terim vardır, bu yüzden negatif olabilir. Bu, negatif yapar. Bu ne zaman olur? , negatif ve pozitif olduğunda negatif olur veya tersi de geçerlidir. Bu, yatay çizgisi aslında verileri en uygun çizgiden daha iyi açıkladığında oluşur .R,2= ESS+ 2 ∗ ∑ ( y- y^) ( y^- y¯)TSSR,22 ∗ ∑ ( y- y^) ( y^- y¯)y- y^y^- y¯y¯
İşte negatif olduğu zamanların abartılı bir örneği (Kaynak: University of Houston Clear Lake)R,2
Basitçe söylemek gerekirse:
- Ne zaman , bir yatay çizgi verilerini açıklıyor iyi modeliniz daha.R,2< 0
Ayrıca hakkında da sordunuz .R,2= 0
- Zaman , yatay bir çizgi verileri aynı yanı sıra modelini açıklar.R,2= 0
Bunu yapmak için sana minnettarım. Bunu yararlı bulduysanız, burada bahsetmek zorunda olduğum fcop'ın cevabını da kaldırmalısınız , çünkü bir süredir.