Pekali penentuan (R² atau r-kuadrat) adalah ukuran statistik dalam model regresi yang menentukan bahagian varians dalam pemboleh ubah bersandar yang dapat dijelaskan oleh pemboleh ubah bebas Pemboleh ubah bebas Pemboleh ubah bebas adalah input, andaian, atau pemacu yang diubah untuk menilai kesannya pada pemboleh ubah bersandar (hasilnya) . Dengan kata lain, pekali penentuan memberitahu seseorang seberapa baik data sesuai dengan model (kebaikan sesuai).
Walaupun pekali penentuan memberikan beberapa pandangan berguna mengenai model regresi, seseorang tidak boleh bergantung sepenuhnya pada ukuran dalam penilaian model statistik. Ia tidak mendedahkan maklumat mengenai hubungan sebab-akibat antara pemboleh ubah bebas dan bersandar Pemboleh ubah Tergantung Pemboleh ubah Bergantung adalah satu yang akan berubah bergantung pada nilai pemboleh ubah lain, yang disebut pemboleh ubah tak bersandar. dan itu tidak menunjukkan kebenaran model regresi. Oleh itu, pengguna harus selalu membuat kesimpulan mengenai model dengan menganalisis pekali penentuan bersama dengan pemboleh ubah lain dalam model statistik.
Pekali penentuan dapat mengambil nilai antara 0 hingga 1. Di samping itu, metrik statistik sering dinyatakan dalam bentuk peratusan.
Tafsiran Pekali Penentuan (R²)
Tafsiran pekali penentuan yang paling umum adalah seberapa baik model regresi sesuai dengan data yang diperhatikan. Sebagai contoh, pekali penentuan 60% menunjukkan bahawa 60% data sesuai dengan model regresi. Secara amnya, pekali yang lebih tinggi menunjukkan kesesuaian yang lebih baik untuk model.
Namun, tidak selalu berlaku bahawa r-kuadrat tinggi baik untuk model regresi. Kualiti pekali bergantung pada beberapa faktor, termasuk unit ukuran pemboleh ubah, sifat pemboleh ubah yang digunakan dalam model, dan transformasi data yang diterapkan. Oleh itu, kadang-kadang, pekali yang tinggi dapat menunjukkan masalah dengan model regresi.
Tidak ada peraturan universal yang mengatur bagaimana menggabungkan pekali penentuan dalam penilaian model. Konteks di mana ramalan atau eksperimen dibuat sangat penting, dan dalam senario yang berbeza, pandangan dari metrik statistik boleh berbeza-beza.
Pengiraan Pekali
Secara matematik, pekali penentuan dapat dijumpai dengan menggunakan formula berikut:
Di mana:
- Regresi SS - jumlah kuadrat akibat regresi (penjelasan jumlah petak)
- Jumlah SS - jumlah kuasa dua
Walaupun istilah "jumlah keseluruhan kuadrat" dan "jumlah kuadrat karena regresi" nampaknya membingungkan, makna pemboleh ubahnya mudah.
Jumlah kuadrat mengukur variasi dalam data yang diperhatikan (data yang digunakan dalam pemodelan regresi). Jumlah kuadrat karena regresi mengukur seberapa baik model regresi mewakili data yang digunakan untuk pemodelan.
Lebih Banyak Sumber
Finance adalah penyedia rasmi Pensijilan Pemodelan & Penilaian Kewangan global (FMVA) ™ Sertifikasi FMVA® Sertai 350,600+ pelajar yang bekerja untuk syarikat seperti program pensijilan Amazon, JP Morgan, dan Ferrari, yang direka untuk membantu sesiapa sahaja menjadi penganalisis kewangan bertaraf dunia . Untuk terus belajar dan memajukan kerjaya anda, sumber Kewangan tambahan di bawah akan berguna:
- Konsep Statistik Asas dalam Kewangan Konsep Statistik Asas untuk Kewangan Pemahaman yang kukuh mengenai statistik sangat penting dalam membantu kita memahami kewangan dengan lebih baik. Lebih-lebih lagi, konsep statistik dapat membantu pemantau memantau
- Taburan Binomial Taburan Binomial Taburan Binomial adalah taburan kebarangkalian umum yang memodelkan kebarangkalian memperoleh salah satu daripada dua hasil di bawah sebilangan parameter
- Teorema Batas Tengah Teorema Batas Tengah Teorema had tengah menyatakan bahawa min sampel bagi pemboleh ubah rawak akan menganggap taburan hampir normal atau normal jika ukuran sampel besar
- Analisis Regresi Analisis Regresi Analisis regresi adalah satu set kaedah statistik yang digunakan untuk pengiraan hubungan antara pemboleh ubah bersandar dan satu atau lebih pemboleh ubah bebas. Ia dapat digunakan untuk menilai kekuatan hubungan antara pemboleh ubah dan untuk memodelkan hubungan masa depan di antara mereka.
