<\/p>\n
Spesso quando adattiamo un modello di regressione lineare, utilizziamo R quadrato<\/strong> per valutare quanto bene un modello si adatta ai dati.<\/span><\/p>\n R al quadrato rappresenta la proporzione della varianza nella variabile di risposta<\/a> che pu\u00f2 essere spiegata dalle variabili predittive in un modello di regressione.<\/span><\/p>\n Questo numero varia da 0 a 1, con valori pi\u00f9 alti che indicano un migliore adattamento del modello.<\/span><\/p>\n Tuttavia, non esiste un valore R quadrato per i modelli lineari generali come i modelli di regressione logistica<\/a> e i modelli di regressione di Poisson<\/a> .<\/span><\/p>\n Possiamo invece calcolare una metrica nota come R-Squared di McFadden<\/strong> , che varia da 0 a poco meno di 1, con valori pi\u00f9 alti che indicano un migliore adattamento del modello.<\/span><\/p>\n Usiamo la seguente formula per calcolare R quadrato di McFadden:<\/span><\/p>\n R-quadrato di McFadden = 1 – ( modello<\/sub> di verosimiglianza logaritmica \/ verosimiglianza logaritmica zero<\/sub> )<\/span><\/p>\n Oro:<\/span><\/p>\n In pratica, valori superiori a 0,40 indicano che un modello si adatta molto bene ai dati.<\/span><\/p>\n L’esempio seguente mostra come calcolare l’R quadrato di McFadden per un modello di regressione logistica in R.<\/span><\/p>\n Per questo esempio utilizzeremo il set di dati predefinito<\/strong> del pacchetto ISLR. Possiamo utilizzare il seguente codice per caricare e visualizzare un riepilogo del set di dati:<\/span><\/p>\n Questo set di dati contiene le seguenti informazioni su 10.000 individui:<\/span><\/p>\n Utilizzeremo lo status di studente, il saldo bancario e il reddito per costruire un modello di regressione logistica che prevede la probabilit\u00e0 che un dato individuo vada in default:<\/span><\/p>\n Successivamente, utilizzeremo la seguente formula per calcolare il valore R quadrato di McFadden per questo modello:<\/span><\/span><\/p>\n Il valore R quadrato di McFadden risulta essere 0,4619194<\/strong> . Questo valore \u00e8 piuttosto elevato, indicando che il nostro modello si adatta bene ai dati e ha un elevato potere predittivo.<\/span><\/p>\n Si noti inoltre che potremmo anche utilizzare la funzione pR2()<\/strong> del pacchetto pscl<\/strong> per calcolare il valore R quadrato di McFadden per il modello:<\/span><\/p>\n Da notare che questo valore corrisponde a quello calcolato in precedenza.<\/span><\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come calcolare R-quadrato in R<\/a> Spesso quando adattiamo un modello di regressione lineare, utilizziamo R quadrato per valutare quanto bene un modello si adatta ai dati. R al quadrato rappresenta la proporzione della varianza nella variabile di risposta che pu\u00f2 essere spiegata dalle variabili predittive in un modello di regressione. Questo numero varia da 0 a 1, con valori pi\u00f9 […]<\/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: calcolo dell’R quadrato di McFadden in R<\/strong><\/span><\/h3>\n
#install and load ISLR package\ninstall. packages<\/span> (' ISLR<\/span> ')<\/span>\nlibrary<\/span> (ISLR)<\/span>\n\n#define dataset<\/span>\ndata <- ISLR::Default\n\n#view summary of dataset\n<\/span>summary(data)\n\n default student balance income \n No:9667 No:7056 Min. : 0.0 Min. : 772 \n Yes: 333 Yes:2944 1st Qu.: 481.7 1st Qu.:21340 \n Median: 823.6 Median: 34553 \n Mean: 835.4 Mean: 33517 \n 3rd Qu.:1166.3 3rd Qu.:43808 \n Max. :2654.3 Max. :73554 \n\n#find total observations in dataset<\/span>\nnrow(data)\n\n[1] 10000\n<\/strong><\/pre>\n\n
#fit logistic regression model<\/span>\nmodel <- glm(default~student+balance+income, family=' binomial<\/span> ', data=data)\n\n#view model summary<\/span>\nsummary(model)\n\nCall:\nglm(formula = default ~ balance + student + income, family = \"binomial\", \n data = data)\n\nDeviance Residuals: \n Min 1Q Median 3Q Max \n-2.4691 -0.1418 -0.0557 -0.0203 3.7383 \n\nCoefficients:\n Estimate Std. Error z value Pr(>|z|) \n(Intercept) -1.087e+01 4.923e-01 -22.080 < 2e-16 ***\nbalance 5.737e-03 2.319e-04 24.738 < 2e-16 ***\nstudentYes -6.468e-01 2.363e-01 -2.738 0.00619 ** \nincome 3.033e-06 8.203e-06 0.370 0.71152 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\n(Dispersion parameter for binomial family taken to be 1)\n\n Null deviance: 2920.6 on 9999 degrees of freedom\nResidual deviance: 1571.5 on 9996 degrees of freedom\nAIC: 1579.5\n\nNumber of Fisher Scoring iterations: 8\n<\/strong><\/pre>\n #calculate McFadden's R-squared for model<\/span>\nwith(summary(model), 1 - deviance\/null. deviance<\/span> )\n\n[1] 0.4619194\n<\/strong><\/pre>\n #install and load pscl package<\/span>\ninstall. packages<\/span> (' pscl<\/span> ')\nlibrary<\/span> (pscl)\n\n#calculate McFadden's R-squared for model<\/span>\npR2(model)[' McFadden<\/span> ']\n\n McFadden \n0.4619194\n<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare l’R quadrato corretto in R<\/a>
Qual \u00e8 un buon valore R quadrato?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"