<\/p>\n
R al quadrato<\/strong> , spesso scritto R2<\/sup> , \u00e8 la proporzione della varianza nella variabile di risposta<\/a> che pu\u00f2 essere spiegata dalle variabili predittive in un modello di regressione lineare<\/a> .<\/span><\/p>\n Il valore di R al quadrato pu\u00f2 variare da 0 a 1. Un valore pari a 0 indica che la variabile di risposta non pu\u00f2 essere spiegata affatto dalla variabile predittore, mentre un valore pari a 1 indica che la variabile di risposta pu\u00f2 essere spiegata dalla variabile predittore. perfettamente spiegato senza errori dal predittore. variabili.<\/span><\/p>\n R-quadrato rettificato<\/strong> \u00e8 una versione modificata di R-quadrato che regola il numero di predittori in un modello di regressione. Viene calcolato come segue:<\/span><\/p>\n R 2<\/sup> corretto = 1 \u2013 [(1-R 2<\/sup> )*(n-1)\/(nk-1)]<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Poich\u00e9 R2<\/sup> aumenta sempre man mano che aggiungi predittori a un modello, R2<\/sup> modificato pu\u00f2 fungere da metrica che indica quanto \u00e8 utile un modello, modificato in base al numero di predittori in un modello<\/em> .<\/span><\/p>\n Questo tutorial spiega come calcolare l’ R2<\/sup> corretto per un modello di regressione in R.<\/span><\/p>\n Correlato:<\/strong><\/span> Qual \u00e8 un buon valore R quadrato?<\/a><\/p>\n Possiamo utilizzare il codice seguente per creare un modello di regressione lineare multipla in R utilizzando il set di dati integrato chiamato mtcars<\/strong> :<\/span><\/p>\n E possiamo utilizzare uno dei tre metodi per trovare l’R quadrato corretto del modello:<\/span><\/p>\n Metodo 1: utilizzare la funzione summary()<\/strong><\/span><\/p>\n Possiamo visualizzare sia l’R quadrato che l’R quadrato corretto del modello semplicemente utilizzando la funzione summary()<\/strong> :<\/span><\/p>\n Nella parte inferiore dell’output possiamo vedere quanto segue:<\/span><\/p>\n Metodo 2: utilizzare summary(model)$adj.r.squared<\/span><\/strong><\/p>\n Se volessimo semplicemente ottenere l’R quadrato corretto del modello, potremmo utilizzare la seguente funzione:<\/span><\/p>\n Metodo 3: utilizzare una funzione personalizzata<\/strong><\/span><\/p>\n Un altro modo per trovare l’R quadrato adattato del modello \u00e8 scrivere una funzione personalizzata:<\/span><\/p>\n Si noti che ciascuno dei tre metodi qui condivisi fornisce lo stesso valore per l’R quadrato corretto.<\/span><\/p>\n Come eseguire una regressione lineare semplice in R<\/a> R al quadrato , spesso scritto R2 , \u00e8 la proporzione della varianza nella variabile di risposta che pu\u00f2 essere spiegata dalle variabili predittive in un modello di regressione lineare . Il valore di R al quadrato pu\u00f2 variare da 0 a 1. Un valore pari a 0 indica che la variabile di risposta non […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Esempio: come calcolare l’R quadrato corretto in R<\/strong><\/span><\/h3>\n
model <- lm<\/span> (hp ~ mpg + wt + drat + qsec, data=mtcars)\n<\/strong><\/pre>\n summary<\/span> (model)\n\nCall:\nlm(formula = hp ~ mpg + wt + drat + qsec, data = mtcars)\n\nResiduals:\n Min 1Q Median 3Q Max \n-48,801 -16,007 -5,482 11,614 97,338 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 473.779 105.213 4.503 0.000116 ***\nmpg -2.877 2.381 -1.209 0.237319 \nwt 26.037 13.514 1.927 0.064600 . \ndrat 4.819 15.952 0.302 0.764910 \nqsec -20.751 3.993 -5.197 1.79e-05 ***\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 32.25 on 27 degrees of freedom\nMultiple R-squared: 0.8073, Adjusted R-squared: 0.7787 \nF-statistic: 28.27 on 4 and 27 DF, p-value: 2.647e-09\n<\/strong><\/pre>\n\n
summary<\/span> (model)$adj.r.squared\n\n[1] 0.7787005\n<\/strong><\/pre>\n #define function to calculate adjusted R-squared<\/span>\nadj_r2 <- function<\/span> (x) {\n return<\/span> (1 - ((1-summary(x)$r.squared)*( nobs<\/span> (x)-1)\/( nobs<\/span> (x)- length<\/span> (x$coefficients)-1)))\n}\n\n#use function to calculate adjusted R-squared of the model\n<\/span>adj_r2(model)\n\n[1] 0.7787005\nnumeric(0)<\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire la regressione lineare multipla in R<\/a>
Come eseguire la regressione polinomiale in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"