Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer le R-carré ajusté dans Excel



R-carré , souvent écrit R 2 , est la proportion de la variance de la variable de réponse qui peut être expliquée par les variables prédictives dans un modèle de régression linéaire .

La valeur du R au carré peut aller de 0 à 1. Une valeur de 0 indique que la variable de réponse ne peut pas du tout être expliquée par la variable prédictive, tandis qu’une valeur de 1 indique que la variable de réponse peut être parfaitement expliquée sans erreur par le prédicteur. variables.

Le R-carré ajusté est une version modifiée du R-carré qui s’ajuste au nombre de prédicteurs dans un modèle de régression. Il est calculé comme suit :

R 2 ajusté = 1 – [(1-R 2 )*(n-1)/(nk-1)]

où:

  • R 2 : Le R 2 du modèle
  • n : Le nombre d’observations
  • k : Le nombre de variables prédictives

Étant donné que R 2 augmente toujours à mesure que vous ajoutez des prédicteurs à un modèle, le R 2 ajusté peut servir de métrique qui vous indique l’utilité d’un modèle, ajusté en fonction du nombre de prédicteurs dans un modèle .

Ce didacticiel fournit un exemple étape par étape de la façon de calculer le R 2 ajusté pour un modèle de régression dans R.

Étape 1 : Créer les données

Pour cet exemple, nous allons créer un ensemble de données contenant les variables suivantes pour 12 étudiants différents :

  • Résultat de l’examen
  • Heures passées à étudier
  • Classe actuelle

Étape 2 : Ajuster le modèle de régression

Ensuite, nous ajusterons un modèle de régression linéaire multiple en utilisant le résultat de l’examen comme variable de réponse et les heures d’étude et la note actuelle comme variables prédictives.

Pour ajuster ce modèle, cliquez sur l’onglet Données le long du ruban supérieur, puis cliquez sur Analyse des données :

Si cette option n’est pas disponible, vous devez d’abord charger le Data Analysis ToolPak .

Dans la fenêtre qui apparaît, sélectionnez Régression . Dans la nouvelle fenêtre qui apparaît, renseignez les informations suivantes :

Une fois que vous avez cliqué sur OK , la sortie du modèle de régression apparaîtra :

Étape 3 : Interpréter le R-carré ajusté

Le R-carré ajusté du modèle de régression est le nombre à côté de R-carré ajusté :

R-carré ajusté dans Excel

Le R-carré ajusté pour ce modèle s’avère être 0,946019 .

Cette valeur est extrêmement élevée, ce qui indique que les variables prédictives Heures d’étude et Note actuelle font un bon travail pour prédire le score de l’examen .

Ressources additionnelles

Qu’est-ce qu’une bonne valeur R au carré ?
Comment calculer le R-carré ajusté en R
Comment calculer le R-carré ajusté en Python

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *