ချိန်ညှိထားသော ကိန်းဂဏန်း (adjusted r နှစ်ထပ်ကိန်း)

အားဖြင့် Benjamin Anderson ဩဂုတ် 2, 2023 စာရင်းအင်းများ 0 မှတ်ချက်များ

ဤဆောင်းပါးတွင် ကိန်းဂဏန်းစာရင်းဇယားများတွင် ချိန်ညှိထားသော ကိန်းဂဏန်း (သို့မဟုတ် ချိန်ညှိထားသော R စတုရန်း) နှင့် ၎င်းကို မည်သည့်အရာအတွက် အသုံးပြုကြောင်း ရှင်းပြထားသည်။ အလားတူ၊ ချိန်ညှိထားသော ကိန်းဂဏန်းကို တွက်ချက်နည်း၊ ၎င်းကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံနှင့် ချိန်ညှိထားသော ကိန်းဂဏန်းများကို တွက်ချက်ရန် အွန်လိုင်းဂဏန်းတွက်စက်ကို သင်ရှာဖွေတွေ့ရှိမည်ဖြစ်သည်။

ချိန်ညှိထားသော ကိန်းဂဏန်းသည် အဘယ်နည်း။

ချိန်ညှိထားသော ဆုံးဖြတ်ခြင်းဆိုင်ရာ ကိန်းဂဏန်းသည် ချိန်ညှိထားသော R စတုရန်း ဟုလည်း ခေါ်သည် ၊ သည် မော်ဒယ်တွင်ပါရှိသော ရှင်းပြကိန်းရှင် အရေအတွက်ကို ထည့်သွင်းတွက်ချက်၍ ဆုတ်ယုတ်မှုပုံစံ၏ အံဝင်ခွင်ကျရှိမှုကို ညွှန်ပြသော ကိန်းဂဏန်းတစ်ခုဖြစ်သည်။

ချိန်ညှိသော coefficient of determination အတွက် သင်္ကေတသည် ဖြစ်သည်။

$\bar{R}^2$

ထို့ကြောင့်၊ ချိန်ညှိထားသော ဆုံးဖြတ်ခြင်းဆိုင်ရာ ကိန်းဂဏန်းသည် ဆုတ်ယုတ်မှုပုံစံဖြင့် ရှင်းပြထားသော ရာခိုင်နှုန်းကို တိုင်းတာပြီး မော်ဒယ်တွင် ထည့်သွင်းထားသော ရှင်းပြချက်တစ်ခုစီအတွက် အပြစ်ပေးသည်။ ယေဘူယျအားဖြင့်၊ ဆုတ်ယုတ်မှုပုံစံတွင် ကိန်းရှင်များ များလေလေ၊ ဒေတာနမူနာကို ရှင်းပြနိုင်လေ ကောင်းလေဖြစ်သော်လည်း မော်ဒယ်သည် ပို၍ရှုပ်ထွေးလေဖြစ်သည်။ ထို့ကြောင့် ဒေတာကို အကောင်းမွန်ဆုံးရှင်းပြသော်လည်း ဖြစ်နိုင်ချေအနည်းဆုံး ကိန်းရှင်များရှိသည့် မော်ဒယ်ကို ရှာရပါမည်။

ဤအကြောင်းကြောင့်၊ ကွဲပြားသောဆုတ်ယုတ်မှုပုံစံများကြားတွင် အံဝင်ခွင်ကျဖြစ်မှုကို နှိုင်းယှဉ်ရန် ချိန်ညှိထားသော ကိန်းဂဏန်းကို အသုံးပြုသည်။ မော်ဒယ်ရှိ ကိန်းရှင်အရေအတွက်များကို ထည့်သွင်းစဉ်းစားခြင်းဖြင့်၊ ဤကိန်းဂဏန်းကိန်းဂဏန်းများသည် မတူညီသောကိန်းရှင်များနှင့် မော်ဒယ်များကို နှိုင်းယှဉ်ရန်အတွက် အလွန်အသုံးဝင်ပါသည်။ အောက်တွင် ညှိထားသော coefficient of determination ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ရမည်ကို အောက်တွင်ဖော်ပြထားသည်။

ကိန်းဂဏန်းစာရင်းဇယားများတွင် ချိန်ညှိထားသော ကိန်းဂဏန်းအား ဆုံးဖြတ်ခြင်း၏ မှန်ကန်သောကိန်းဂဏန်း ဟုလည်း ခေါ်သည်။

ချိန်ညှိထားသော ကိန်းဂဏန်း၏ ဆုံးဖြတ်ချက်အတွက် ဖော်မြူလာ

ချိန်ညှိထားသော ကိန်းဂဏန်းကို တွက်ချက်ရန်အတွက် ဖော်မြူလာ မှာ အောက်ပါအတိုင်းဖြစ်သည်။

$\bar{R}^2=1-\cfrac{N-1}{N-k-1}\cdot (1-R^2)$

ရွှေ-

$\bar{R}^2$

ချိန်ညှိထားသော ကိန်းဂဏန်းသည် ဆုံးဖြတ်ချက်တစ်ခုဖြစ်သည်။
$R^2$

အဆုံးအဖြတ်၏ ကိန်းဂဏန်း ဖြစ်သည်။
$N$

နမူနာအရွယ်အစားဖြစ်သည်။
$k$

ဆုတ်ယုတ်မှုပုံစံတွင် ရှင်းပြထားသော ကိန်းရှင်အရေအတွက်များဖြစ်သည်။

👉 ချိန်ညှိထားသော coefficient of determination ကို တွက်ချက်ရန် အောက်ပါ calculator ကို အသုံးပြုနိုင်ပါသည်။

ချိန်ညှိထားသော ကိန်းဂဏန်း၏ ဆုံးဖြတ်ချက်အတွက် ဖော်မြူလာကို ပိုင်းခြားစိတ်ဖြာပါက၊ ၎င်းသည် သတ်မှတ်မထားသော ကိန်းဂဏန်းထက် အမြဲနိမ့်နေမည်ဟု ကျွန်ုပ်တို့ တွက်ဆနိုင်ပါသည်။

ချိန်ညှိထားသော ကိန်းဂဏန်း၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်

ချိန်ညှိထားသော ကိန်းဂဏန်း၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်နှင့် ၎င်း၏ဖော်မြူလာသည် အဘယ်အရာဖြစ်သည်ကို ကျွန်ုပ်တို့တွေ့မြင်ပြီးသည်နှင့်၊ ဤကဏ္ဍတွင် ၎င်း၏တန်ဖိုးကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုသည်ကို ကျွန်ုပ်တို့ မြင်တွေ့ရမည်ဖြစ်သည်။

ပုံမှန်အားဖြင့်၊ ချိန်ညှိထားသော ကိန်းဂဏန်း၏တန်ဖိုးသည် 0 နှင့် 1 ကြားဖြစ်သည်၊ အနိမ့်ဆုံး 0% နှင့် အမြင့်ဆုံးသည် 100% ဖြစ်သဖြင့် ရာခိုင်နှုန်းအဖြစ် ဖော်ပြလေ့ရှိသော်လည်း၊

ချိန်ညှိထားသော coefficient of determination ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက် နှင့်ပတ်သက်၍ ၎င်း၏တန်ဖိုး မြင့်မားလေ၊ ဆုတ်ယုတ်မှုပုံစံသည် ဒေတာနမူနာကို ရှင်းပြလေလေ ပိုကောင်းလေဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ ချိန်ညှိထားသော coefficient of determination သည် 1 သို့ ပိုနီးစပ်လေ၊ model သည် ပိုကောင်းလေဖြစ်သည်။ အခြားတစ်ဖက်တွင်၊ ၎င်းသည် 0 နှင့် နီးကပ်လေ၊ ထုတ်လုပ်ထားသော regression model သည် ယုံကြည်စိတ်ချရမှုနည်းလေဖြစ်သည်။

အလားတူပင်၊ ရရှိထားသော ဆုတ်ယုတ်မှုပုံစံသည် ယခင်ယူဆချက်များနှင့် ကိုက်ညီကြောင်း မှတ်သားထားရပါမည်။ ဥပမာအားဖြင့်၊ ၎င်း၏အကြွင်းအကျန်များ၏ ကွဲပြားမှုမှာ မတည်မြဲခြင်း (homoscedasticity) သည် ၎င်း၏ယခင်ယူဆချက်တစ်ခုအား ကျေနပ်မှုမရှိပါက အလွန်မြင့်မားသော ချိန်ညှိထားသော ကိန်းဂဏန်းပါသော မော်ဒယ်သည် အသုံးမကျပါ။

ယေဘူယျအားဖြင့်၊ ဆုတ်ယုတ်မှုပုံစံတွင် အမှီအခိုကင်းသော ကိန်းရှင်များ များလေလေ၊ ကိန်းရှင်များသည် သိသာထင်ရှားခြင်းမရှိသည့်တိုင် မချိန်ညှိထားသော ဆုတ်ယုတ်မှုကိန်းဂဏန်းများ မြင့်မားလေဖြစ်သည်။ သို့သော်၊ ၎င်းသည် မော်ဒယ်နှင့် ၎င်း၏ခွဲခြမ်းစိတ်ဖြာမှုကို ရှုပ်ထွေးစေသောကြောင့် ဆုတ်ယုတ်မှုပုံစံတွင် ကိန်းရှင်များစွာရှိရန် အရေးမကြီးပါ။

ညှိထားသောကိန်းဂဏန်းသည် ဤပြဿနာကို ဖြေရှင်းပေးသည်။ ပါဝင်သော ကိန်းရှင်တစ်ခုစီအတွက် အပြစ်ပေးခြင်းဖြင့်၊ ၎င်းသည် ကျွန်ုပ်တို့အား မတူညီသော ကိန်းရှင်အရေအတွက်များဖြင့် မော်ဒယ်များစွာကို နှိုင်းယှဉ်နိုင်ပြီး ကျွန်ုပ်တို့ကို အနှစ်သက်ဆုံးသော မော်ဒယ်ကို ရွေးချယ်နိုင်စေပါသည်။ ထို့ကြောင့်၊ ကွဲပြားသောဆုတ်ယုတ်မှုပုံစံများအကြား နှိုင်းယှဉ်မှုပြုလုပ်ရန် ရိုးရှင်းသောဆုံးဖြတ်ခြင်းအစား ချိန်ညှိထားသောကိန်းဂဏန်းကို အများအားဖြင့်အသုံးပြုသည်။

ချိန်ညှိထားသော Coefficient of Determination Calculator

ချိန်ညှိထားသောကိန်းဂဏန်းကို တွက်ချက်ရန် အောက်ပါအွန်လိုင်းဂဏန်းတွက်စက်ထဲသို့ ဒေတာကို ထည့်သွင်းပါ။ ဥပမာအားဖြင့် 0.8509 ကို ဒဿမ ခြားနားချက်အဖြစ် အစက်ကို အသုံးပြု၍ နံပါတ်များ ထည့်ရပါမည်။

စာရေးသူအကြောင်း

Benjamin Anderson

မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။