"결정계수 R²"의 두 판 사이의 차이

9번째 줄: 9번째 줄:
* 추정한 선형 모형이 주어진 자료에 적합한 정도를 재는 척도
* 추정한 선형 모형이 주어진 자료에 적합한 정도를 재는 척도
*흔히 "통계 모형의 [[설명력]]"
*흔히 "통계 모형의 [[설명력]]"
:<math>R^2 \equiv 1 - \dfrac{SS_{\rm res}}{SS_{\rm tot}}</math>
:<math>R^2 = \dfrac{\sum ( \hat{Y}_i - \bar{Y} )^2}{\sum ( Y_i - \bar{Y} )^2}</math>
:→ <math>SS_{\rm res}</math>: 잔차 제곱합
* 전체 [[변산도]]([[제곱합]]) 중 통계모형(회귀모형)에 의해 설명되는 비율  
:→ <math>SS_{\rm tot}</math>: 전체 제곱합
* 즉, 전체 [[변산도]]([[제곱합]]) 중 통계모형(회귀모형)에 의해 설명되는 비율  
* 값의 범위: 0 ~ 1
* 값의 범위: 0 ~ 1
* 값이 클수록 회귀모형에 포함된 예측변수들의 설명력이 높다.
* 값이 클수록 회귀모형에 포함된 예측변수들의 설명력이 높다.

2020년 6월 11일 (목) 23:39 판

1 개요

coefficient of determination
결정계수
  • 기호: [math]\displaystyle{ R^2 }[/math]
  • 다중상관의 제곱
  • 회귀식의 적합도를 재는 척도
  • 선형 상관 계수 내에서 상관 계수의 제곱
  • 종속변수의 전체 분산 중 독립변수들로 설명되는 비율
  • 추정한 선형 모형이 주어진 자료에 적합한 정도를 재는 척도
  • 흔히 "통계 모형의 설명력"
[math]\displaystyle{ R^2 = \dfrac{\sum ( \hat{Y}_i - \bar{Y} )^2}{\sum ( Y_i - \bar{Y} )^2} }[/math]
  • 전체 변산도(제곱합) 중 통계모형(회귀모형)에 의해 설명되는 비율
  • 값의 범위: 0 ~ 1
  • 값이 클수록 회귀모형에 포함된 예측변수들의 설명력이 높다.

 

2 같이 보기

3 참고

문서 댓글 ({{ doc_comments.length }})
{{ comment.name }} {{ comment.created | snstime }}