Поможем написать любую работу на подобную тему
Для оценки взаимосвязи между зависимой переменной и совокупностью объясняющих переменных используют множественный (совокупный) коэффициент (индекс) корреляции R или коэффициент детерминации R2. Как и раньше коэффициент детерминации R2 равен отношению и характеризует долю вариации зависимой переменной, объясненную уравнением регрессии,
. Для расчета можно использовать более удобную формулу:
или
или
,
где - определитель матрицы парных коэффициентов корреляции, q11 – алгебраическое дополнение элемента r11.
Множественный коэффициент детерминации можно рассматривать как меру качества уравнения регрессии, характеристику прогностической силы регрессионной модели. Чем ближе R2 к 1, тем лучше регрессия описывает зависимость между объясняющими и зависимой переменными.
Недостаток R2 состоит в том, что его значение не убывает с ростом числа объясняющих переменных. Это происходит потому, что:
1) оптимизация при определении оценок происходит по критерию, отличному от R2;
2) R2 возрастает при добавлении ещё одного регрессора и всегда можно добиться R2 = 1, что не будет иметь экономического смысла.
В этом смысле предпочтительней скорректированный коэффициент детерминации
,
который может уменьшаться при введении в регрессионную модель переменных, не оказывающих существенного влияния на зависимую переменную. Можно заметить, что только при R2 = 1.
может принимать отрицательные значения (например, при R2 = 0). Для расчета можно использовать формулу:
.
Пример. Вычислим коэффициент детерминации и скорректированный коэффициент детерминации =
; R = 0,967.