a:

ความแตกต่างสำคัญระหว่าง R-squared และ R-squared ที่ปรับเปลี่ยนได้คือ R-squared สมมุติว่าทุกตัวแปรอิสระในโมเดลจะอธิบายถึงตัวแปรในตัวแปรขึ้นอยู่กับ จะให้เปอร์เซ็นต์ของตัวแปรที่อธิบายได้เช่นเดียวกับถ้าตัวแปรอิสระทั้งหมดในโมเดลมีผลต่อตัวแปรตาม แต่ตัวแปร R-squared จะให้เปอร์เซ็นต์ของตัวแปรที่อธิบายได้โดยเฉพาะตัวแปรอิสระที่มีผลต่อตัวแปรตาม R-squared ไม่สามารถตรวจสอบได้ว่าตัวเลข ballpark สัมฤทธิ์และการคาดการณ์ของมันจะมีผลเสียหรือไม่ นอกจากนี้ยังไม่แสดงว่าแบบจำลองการถดถอยเป็นที่น่าพอใจหรือไม่ มันสามารถแสดงตัวเลข R - squared สำหรับรูปแบบที่ดีหรือรูป R - squared สูงสำหรับรูปแบบที่ไม่พอดี

การปรับค่า R-squared เปรียบเทียบสมรรถนะเชิงพรรณาของแบบจำลองการถดถอยซึ่งรวมถึงตัวพยากรณ์ที่หลากหลาย ตัวทำนายทุกตัวที่เพิ่มเข้าไปในโมเดลจะเพิ่มค่า R - squared และไม่ลดลง ดังนั้นรูปแบบที่มีเงื่อนไขมากขึ้นอาจดูเหมือนจะมีรูปแบบที่ดีขึ้นเพียงเพราะความจริงที่ว่ามันมีเงื่อนไขมากขึ้นในขณะที่ปรับ R - squared ชดเชยการเพิ่มของตัวแปรและเพิ่มขึ้นเฉพาะในกรณีที่คำใหม่ช่วยเพิ่มรูปแบบข้างต้นสิ่งที่จะเป็น ได้โดยความน่าจะเป็นและลดลงเมื่อตัวทำนายช่วยเพิ่มแบบจำลองให้น้อยลงกว่าที่คาดการณ์ไว้โดยบังเอิญ ในสภาวะ overfitting ค่าของ R-squared ที่ไม่ถูกต้องซึ่งนำไปสู่ความสามารถในการคาดเดาได้ลดลง นี่ไม่ใช่กรณีที่ปรับค่า R-squared

R-squared ที่ปรับเปลี่ยนเป็นรุ่นที่ปรับเปลี่ยนมาจาก R-squared สำหรับจำนวนตัวทำนายในแบบจำลอง การปรับค่า R-squared อาจเป็นค่าลบ แต่ไม่ใช่ค่า R-squared ระหว่างศูนย์ถึง 100 และแสดงความสัมพันธ์เชิงเส้นในตัวอย่างข้อมูลแม้ว่าจะไม่มีความสัมพันธ์ขั้นพื้นฐานก็ตาม การปรับค่า R-squared เป็นค่าประมาณที่ดีที่สุดในระดับความสัมพันธ์ของประชากรขั้นพื้นฐาน เมื่อต้องการแสดงความสัมพันธ์ของแบบจำลองกับ R-squared ให้เลือกรูปแบบที่มีขีด จำกัด สูงสุด แต่วิธีที่ดีที่สุดและง่ายที่สุดในการเปรียบเทียบแบบจำลองคือการเลือกแบบที่มีขนาดเล็กที่สุดที่ปรับ R-squared R-squared ที่ปรับแล้วไม่ใช่แบบจำลองทั่วไปสำหรับการเปรียบเทียบรูปแบบไม่เชิงเส้น แต่มีการถดถอยเชิงเส้นหลายแบบ