Saturs
Noteikšanas koeficients R² tiek izmantots lineārās regresijas teorijā statistikā kā mērs tam, cik labi regresijas vienādojums atbilst datiem. Tieši R kvadrāts, korelācijas koeficients, dod mums korelācijas pakāpi starp atkarīgo mainīgo Y un neatkarīgo mainīgo X. R svārstās no -1 līdz +1. Ja R ir vienāds ar 1, tad Y ir pilnīgi proporcionāls X, ja X vērtība palielinās par noteiktu pakāpi, tad Y vērtība palielinās par tādu pašu pakāpi. Ja R ir vienāds ar -1, tad starp Y un X pastāv perfekta negatīva korelācija. Ja X palielinās, tad Y samazināsies tādā pašā proporcijā. No otras puses, ja R = 0, tad starp X un Y nav lineāras sakarības. R² svārstās no 0 līdz 1. Tas dod mums priekšstatu par to, cik labi mūsu regresijas vienādojums atbilst datiem. Ja R² ir vienāds ar 1, tad mūsu vispiemērotākā līnija iziet cauri visiem datu punktiem, un visas novēroto Y vērtību svārstības izskaidro ar tās saistību ar X vērtībām. Piemēram, ja mums vērtība ir 0,80, tad 80% no Y vērtību variācijas izskaidro ar to lineāro saistību ar novērotajām X vērtībām.
1. solis
Aprēķiniet X un Y vērtību reizinājumu summu un reiziniet šo vērtību ar "n". Atņemiet šo vērtību no X un Y vērtību summu reizinājuma. Pārstāvot šo vērtību ar S1, mums ir S1 = n (XY) - (X) (Y).
2. solis
Aprēķiniet X vērtību kvadrātu summu, reiziniet ar "n" un atņemiet šo kvadrāta vērtību no X vērtību summas. Norādiet to ar P1, kur P1 = n (X2) - (X) 2. Paņemiet kvadrātsakni no P1, kuru mēs attēlosim ar P1.
3. solis
Aprēķiniet Y vērtību kvadrātu summu, reiziniet ar "n" un atņemiet šo vērtību no Y vērtību summas kvadrāta. Norādiet to ar Q1, kur Q1 = n (Y2) - (Y) 2. Paņemiet sakni Q1 kvadrāts, kuru mēs attēlosim ar Q1 '.
4. solis
Aprēķiniet korelācijas koeficientu R, dalot S1 ar P1 un Q1 reizinājumu, kur R = S1 / (P1 ' * Q1').
5. solis
Paņemiet R kvadrātu, lai iegūtu R2, noteikšanas koeficientu.