<\/p>\n
R-quadrado<\/strong> , muitas vezes escrito R2<\/sup> , \u00e9 a propor\u00e7\u00e3o da vari\u00e2ncia na vari\u00e1vel de resposta<\/a> que pode ser explicada pelas vari\u00e1veis preditoras em um modelo de regress\u00e3o linear<\/a> .<\/span><\/p>\n O valor de R ao quadrado pode variar de 0 a 1. Um valor de 0 indica que a vari\u00e1vel de resposta n\u00e3o pode ser explicada pela vari\u00e1vel preditora, enquanto um valor de 1 indica que a vari\u00e1vel de resposta pode ser explicada pela vari\u00e1vel preditora. perfeitamente explicado sem erro pelo preditor. vari\u00e1veis.<\/span><\/p>\n R-quadrado ajustado<\/strong> \u00e9 uma vers\u00e3o modificada do R-quadrado que ajusta o n\u00famero de preditores em um modelo de regress\u00e3o. \u00c9 calculado da seguinte forma:<\/span><\/p>\n R 2<\/sup> ajustado = 1 \u2013 [(1-R 2<\/sup> )*(n-1)\/(nk-1)]<\/strong><\/span><\/p>\n Ouro:<\/span><\/p>\n Como o R2<\/sup> sempre aumenta \u00e0 medida que voc\u00ea adiciona preditores a um modelo, o R2<\/sup> ajustado pode servir como uma m\u00e9trica que informa o qu\u00e3o \u00fatil \u00e9 um modelo, ajustado com base no n\u00famero de preditores em um modelo<\/em> .<\/span><\/p>\n Este tutorial explica como calcular o R2<\/sup> ajustado para um modelo de regress\u00e3o em R.<\/span><\/p>\n Relacionado:<\/strong><\/span> O que \u00e9 um bom valor de R ao quadrado?<\/a><\/p>\n Podemos usar o c\u00f3digo a seguir para criar um modelo de regress\u00e3o linear m\u00faltipla em R usando o conjunto de dados integrado chamado mtcars<\/strong> :<\/span><\/p>\n E podemos usar um dos tr\u00eas m\u00e9todos para encontrar o R-quadrado ajustado do modelo:<\/span><\/p>\n M\u00e9todo 1: use a fun\u00e7\u00e3o summary()<\/strong><\/span><\/p>\n Podemos visualizar tanto o R ao quadrado quanto o R ao quadrado ajustado do modelo simplesmente usando a fun\u00e7\u00e3o summary()<\/strong> :<\/span><\/p>\n Na parte inferior da sa\u00edda podemos ver o seguinte:<\/span><\/p>\n M\u00e9todo 2: Use summary(model)$adj.r.squared<\/span><\/strong><\/p>\n Se quis\u00e9ssemos simplesmente obter o R-quadrado ajustado do modelo, poder\u00edamos usar a seguinte fun\u00e7\u00e3o:<\/span><\/p>\n M\u00e9todo 3: use uma fun\u00e7\u00e3o personalizada<\/strong><\/span><\/p>\n Outra maneira de encontrar o R-quadrado ajustado do modelo \u00e9 escrever uma fun\u00e7\u00e3o personalizada:<\/span><\/p>\n Observe que cada um dos tr\u00eas m\u00e9todos compartilhados aqui fornece o mesmo valor para o R-quadrado ajustado.<\/span><\/p>\n Como realizar regress\u00e3o linear simples em R<\/a> R-quadrado , muitas vezes escrito R2 , \u00e9 a propor\u00e7\u00e3o da vari\u00e2ncia na vari\u00e1vel de resposta que pode ser explicada pelas vari\u00e1veis preditoras em um modelo de regress\u00e3o linear . O valor de R ao quadrado pode variar de 0 a 1. Um valor de 0 indica que a vari\u00e1vel de resposta n\u00e3o pode ser […]<\/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":[],"class_list":["post-1201","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: Como calcular R-quadrado ajustado em 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 Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar regress\u00e3o linear m\u00faltipla em R<\/a>
Como realizar regress\u00e3o polinomial em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"