Cara menghitung r-kuadrat yang disesuaikan di r

R-squared , sering ditulis ^R2 , adalah proporsi varians variabel respon yang dapat dijelaskan oleh variabel prediktor dalam model regresi linier .

Nilai R squared dapat berkisar antara 0 hingga 1. Nilai 0 menunjukkan bahwa variabel respon sama sekali tidak dapat dijelaskan oleh variabel prediktor, sedangkan nilai 1 menunjukkan bahwa variabel respon dapat dijelaskan oleh variabel prediktor. dijelaskan dengan sempurna tanpa kesalahan oleh prediktor. variabel.

R-squared yang disesuaikan adalah versi modifikasi dari R-squared yang menyesuaikan jumlah prediktor dalam model regresi. Ini dihitung sebagai berikut:

Disesuaikan R ² = 1 – [(1-R ² )*(n-1)/(nk-1)]

Emas:

• R ² : R ² model
• n : Jumlah pengamatan
• k : Banyaknya variabel prediktor

Karena ^R2 selalu meningkat saat Anda menambahkan prediktor ke model, ^R2 yang disesuaikan dapat berfungsi sebagai metrik yang memberi tahu Anda seberapa berguna suatu model, disesuaikan berdasarkan jumlah prediktor dalam model .

Tutorial ini menjelaskan cara menghitung ^R2 yang disesuaikan untuk model regresi di R.

Terkait: Berapa nilai R-kuadrat yang bagus?

Contoh: Cara menghitung R-kuadrat yang disesuaikan di R

Kita dapat menggunakan kode berikut untuk membuat model regresi linier berganda di R menggunakan kumpulan data bawaan yang disebut mtcars :

 model <- lm (hp ~ mpg + wt + drat + qsec, data=mtcars)

Dan kita dapat menggunakan salah satu dari tiga metode untuk mencari R-kuadrat yang disesuaikan dari model:

Metode 1: Gunakan fungsi ringkasan()

Kita dapat memvisualisasikan R-kuadrat dan R-kuadrat yang disesuaikan dari model hanya dengan menggunakan fungsi ringkasan() :

 summary (model)

Call:
lm(formula = hp ~ mpg + wt + drat + qsec, data = mtcars)

Residuals:
    Min 1Q Median 3Q Max 
-48,801 -16,007 -5,482 11,614 97,338 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) 473.779 105.213 4.503 0.000116 ***
mpg -2.877 2.381 -1.209 0.237319    
wt 26.037 13.514 1.927 0.064600 .  
drat 4.819 15.952 0.302 0.764910    
qsec -20.751 3.993 -5.197 1.79e-05 ***
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 32.25 on 27 degrees of freedom
Multiple R-squared: 0.8073, Adjusted R-squared: 0.7787 
F-statistic: 28.27 on 4 and 27 DF, p-value: 2.647e-09

Di bagian bawah output kita dapat melihat yang berikut:

• Kelipatan R kuadrat: 0,8073
• R-kuadrat yang disesuaikan: 0,7787

Metode 2: Gunakan ringkasan(model)$adj.r.squared

Jika kita hanya ingin mendapatkan model R-kuadrat yang disesuaikan, kita dapat menggunakan fungsi berikut:

 summary (model)$adj.r.squared

[1] 0.7787005

Metode 3: Gunakan fungsi khusus

Cara lain untuk menemukan R-kuadrat model yang sesuai adalah dengan menulis fungsi khusus:

 #define function to calculate adjusted R-squared
adj_r2 <- function (x) {
   return (1 - ((1-summary(x)$r.squared)*( nobs (x)-1)/( nobs (x)- length (x$coefficients)-1)))
}

#use function to calculate adjusted R-squared of the model
adj_r2(model)

[1] 0.7787005
numeric(0)

Perhatikan bahwa masing-masing dari tiga metode yang dibagikan di sini memberikan nilai yang sama untuk R-kuadrat yang disesuaikan.

Sumber daya tambahan

Cara melakukan regresi linier sederhana di R
Cara melakukan regresi linier berganda di R
Bagaimana melakukan regresi polinomial di R