<\/p>\n
R-kwadrat<\/strong> mierzy, jak dobrze model regresji liniowej<\/a> \u201epasuje\u201d do zbioru danych.<\/span> R-kwadrat, nazywany r\u00f3wnie\u017c powszechnie wsp\u00f3\u0142czynnikiem determinacji<\/em> , to proporcja wariancji zmiennej odpowiedzi, kt\u00f3r\u0105 mo\u017cna wyja\u015bni\u0107 za pomoc\u0105 zmiennej predykcyjnej.<\/span><\/p>\n Warto\u015b\u0107 R-kwadrat mo\u017ce mie\u015bci\u0107 si\u0119 w zakresie od 0 do 1.<\/span> Warto\u015b\u0107 0 oznacza, \u017ce zmiennej odpowiedzi nie mo\u017cna w og\u00f3le wyja\u015bni\u0107 za pomoc\u0105 zmiennej predykcyjnej.<\/span> Warto\u015b\u0107 1 wskazuje, \u017ce zmienna odpowiedzi mo\u017ce by\u0107 doskonale i bezb\u0142\u0119dnie wyja\u015bniona przez zmienn\u0105 predykcyjn\u0105.<\/span><\/p>\n W praktyce prawdopodobnie nigdy nie zobaczysz warto\u015bci 0 lub 1 dla R-kwadratu. Zamiast tego prawdopodobnie napotkasz warto\u015b\u0107 z zakresu od 0 do 1.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce masz zbi\u00f3r danych zawieraj\u0105cy wielko\u015b\u0107 populacji i liczb\u0119 kwiaciarni w 30 r\u00f3\u017cnych miastach. Do zbioru danych dopasowujesz prosty model regresji liniowej, u\u017cywaj\u0105c wielko\u015bci populacji jako zmiennej predykcyjnej i kwiaciarni jako zmiennej odpowiedzi. W wyniku wynik\u00f3w regresji wida\u0107, \u017ce R 2<\/sup> = 0,2. Oznacza to, \u017ce 20% zr\u00f3\u017cnicowania liczby kwiaciarni mo\u017cna wyt\u0142umaczy\u0107 wielko\u015bci\u0105 populacji.<\/span><\/p>\n To prowadzi nas do wa\u017cnego pytania: czy jest to \u201edobra\u201d warto\u015b\u0107 wsp\u00f3\u0142czynnika R-kwadrat?<\/strong><\/span><\/p>\n Odpowied\u017a na to pytanie zale\u017cy od celu modelu regresji. Wiedzie\u0107:<\/span><\/p>\n 1.<\/strong> Czy chcia\u0142by\u015b wyja\u015bni\u0107 zwi\u0105zek pomi\u0119dzy predyktorem(ami) a zmienn\u0105 odpowiedzi?<\/span><\/p>\n Z\u0141OTO<\/strong><\/span><\/p>\n 2.<\/strong> Czy chcesz przewidzie\u0107 zmienn\u0105 odpowiedzi?<\/span><\/p>\n W zale\u017cno\u015bci od celu, odpowied\u017a na pytanie \u201eJaka jest dobra warto\u015b\u0107 R do kwadratu?\u201d<\/em> ” b\u0119dzie inny.<\/span><\/p>\n Je\u015bli g\u0142\u00f3wnym celem modelu regresji jest wyja\u015bnienie zwi\u0105zku pomi\u0119dzy predyktorem(ami) a zmienn\u0105 odpowiedzi, wsp\u00f3\u0142czynnik R-kwadrat jest praktycznie nieistotny.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce w powy\u017cszym przyk\u0142adzie regresji wida\u0107, \u017ce wsp\u00f3\u0142czynnik przewidywanej wielko\u015bci populacji<\/em> wynosi 0,005 i jest on statystycznie istotny. Oznacza to, \u017ce wzrost liczby ludno\u015bci o jeden wi\u0105\u017ce si\u0119 ze \u015brednim wzrostem liczby kwiaciarni w danym mie\u015bcie o 0,005. Dodatkowo wielko\u015b\u0107 populacji jest istotnym statystycznie wska\u017anikiem liczby kwiaciarni w mie\u015bcie.<\/span><\/p>\n To, czy warto\u015b\u0107 R-kwadrat tego modelu regresji wynosi 0,2 czy 0,9, nie zmienia tej interpretacji. Poniewa\u017c interesuje Ci\u0119 po prostu zwi\u0105zek<\/em> mi\u0119dzy wielko\u015bci\u0105 populacji a liczb\u0105 kwiaciarni, nie musisz si\u0119 zbytnio martwi\u0107 warto\u015bci\u0105 R-kwadrat modelu.<\/span><\/p>\n Je\u015bli Twoim g\u0142\u00f3wnym celem jest dok\u0142adne przewidzenie warto\u015bci zmiennej odpowiedzi za pomoc\u0105 zmiennej predykcyjnej, wa\u017cna jest warto\u015b\u0107 R-kwadrat.<\/span><\/p>\n Og\u00f3lnie rzecz bior\u0105c, im wi\u0119ksza warto\u015b\u0107 R-kwadrat, tym dok\u0142adniej zmienne predykcyjne s\u0105 w stanie przewidzie\u0107 warto\u015b\u0107 zmiennej odpowiedzi.<\/span><\/p>\n Warto\u015b\u0107 wymagana dla warto\u015bci R-kwadrat zale\u017cy od wymaganej precyzji. Na przyk\u0142ad w badaniach naukowych mo\u017ce by\u0107 konieczne, aby wsp\u00f3\u0142czynnik R-kwadrat by\u0142 wi\u0119kszy ni\u017c 0,95, aby model regresji mo\u017cna by\u0142o uzna\u0107 za wiarygodny. W innych obszarach R kwadrat wynosz\u0105cy zaledwie 0,3 mo\u017ce by\u0107 wystarczaj\u0105cy, je\u015bli w zbiorze danych wyst\u0119puje ekstremalna zmienno\u015b\u0107.<\/span><\/p>\n Aby dowiedzie\u0107 si\u0119, co jest uwa\u017cane za \u201edobr\u0105\u201d warto\u015b\u0107 R-kwadrat, musisz zbada\u0107, jakie warto\u015bci R-kwadrat s\u0105 og\u00f3lnie akceptowane na Twoim konkretnym kierunku studi\u00f3w. Je\u015bli przeprowadzasz analiz\u0119 regresji dla klienta lub firmy, mo\u017cesz zapyta\u0107 ich, co jest uwa\u017cane za akceptowaln\u0105 warto\u015b\u0107 R-kwadrat.<\/span><\/p>\n Przedzia\u0142 przewidywania<\/strong> okre\u015bla zakres, w jakim mo\u017ce mie\u015bci\u0107 si\u0119 nowa obserwacja, na podstawie warto\u015bci zmiennych predykcyjnych. W\u0119\u017csze przedzia\u0142y predykcji wskazuj\u0105, \u017ce zmienne predykcyjne mog\u0105 dok\u0142adniej przewidzie\u0107 zmienn\u0105 odpowiedzi.<\/span><\/p>\n Cz\u0119sto przedzia\u0142 przewidywania mo\u017ce by\u0107 bardziej przydatny ni\u017c warto\u015b\u0107 R-kwadrat, poniewa\u017c daje dok\u0142adny zakres warto\u015bci, w kt\u00f3rym mo\u017ce mie\u015bci\u0107 si\u0119 nowa obserwacja. Jest to szczeg\u00f3lnie przydatne, je\u015bli g\u0142\u00f3wnym celem regresji jest przewidzenie nowych warto\u015bci zmiennej odpowiedzi.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce populacja licz\u0105ca 40 000 mieszka\u0144c\u00f3w daje przedzia\u0142 prognozy wynosz\u0105cy od 30 do 35 kwiaciarni w danym mie\u015bcie. Mo\u017cna to uzna\u0107 za akceptowalny zakres warto\u015bci lub nie, w zale\u017cno\u015bci od zastosowania modelu regresji.<\/span><\/p>\n Og\u00f3lnie rzecz bior\u0105c, im wi\u0119ksza warto\u015b\u0107 R-kwadrat, tym dok\u0142adniej zmienne predykcyjne s\u0105 w stanie przewidzie\u0107 warto\u015b\u0107 zmiennej odpowiedzi.<\/span><\/p>\n To, jak dobra musi by\u0107 warto\u015b\u0107 R-kwadrat, aby mo\u017cna j\u0105 by\u0142o uzna\u0107 za \u201edobr\u0105\u201d, r\u00f3\u017cni si\u0119 w zale\u017cno\u015bci od domeny. Niekt\u00f3re pola wymagaj\u0105 wi\u0119kszej precyzji ni\u017c inne.<\/span><\/p>\n Aby dowiedzie\u0107 si\u0119, co jest uwa\u017cane za \u201edobr\u0105\u201d warto\u015b\u0107 R-kwadrat, zastan\u00f3w si\u0119, co jest og\u00f3lnie przyj\u0119te w dziedzinie, w kt\u00f3rej pracujesz, zapytaj osob\u0119 posiadaj\u0105c\u0105 konkretn\u0105 wiedz\u0119 w konkretnej dziedzinie lub zapytaj klienta\/klienta. firm\u0119, dla kt\u00f3rej przeprowadzasz analiz\u0119 regresji. za to, co uwa\u017caj\u0105 za akceptowalne.<\/span><\/p>\n Je\u015bli chcesz wyja\u015bni\u0107 zwi\u0105zek mi\u0119dzy predyktorem a zmienn\u0105 odpowiedzi, R-kwadrat jest w du\u017cej mierze nieistotny, poniewa\u017c nie ma wp\u0142ywu na interpretacj\u0119 modelu regresji.<\/span><\/p>\n Je\u015bli chcesz przewidzie\u0107 zmienn\u0105 odpowiedzi, przedzia\u0142y przewidywania s\u0105 na og\u00f3\u0142 bardziej przydatne ni\u017c warto\u015bci R-kwadrat.<\/span><\/p>\n Dalsza lektura:<\/strong><\/span><\/p>\n Wsp\u00f3\u0142czynnik korelacji Pearsona<\/a> R-kwadrat mierzy, jak dobrze model regresji liniowej \u201epasuje\u201d do zbioru danych. R-kwadrat, nazywany r\u00f3wnie\u017c powszechnie wsp\u00f3\u0142czynnikiem determinacji , to proporcja wariancji zmiennej odpowiedzi, kt\u00f3r\u0105 mo\u017cna wyja\u015bni\u0107 za pomoc\u0105 zmiennej predykcyjnej. Warto\u015b\u0107 R-kwadrat mo\u017ce mie\u015bci\u0107 si\u0119 w zakresie od 0 do 1. Warto\u015b\u0107 0 oznacza, \u017ce zmiennej odpowiedzi nie mo\u017cna w og\u00f3le wyja\u015bni\u0107 za pomoc\u0105 zmiennej […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-449","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Wyja\u015bnij zwi\u0105zek pomi\u0119dzy predyktorem(ami) a zmienn\u0105 odpowiedzi<\/strong><\/span><\/h2>\n
Przewiduj zmienn\u0105 odpowiedzi<\/strong><\/span><\/h2>\n
Przedzia\u0142y przewidywania<\/strong><\/span><\/h2>\n
Wniosek<\/strong><\/span><\/h2>\n
Wprowadzenie do prostej regresji liniowej<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"