Példa a meghatározási együtthatóval kapcsolatos vitakérdésre
A meghatározási együttható (R²) a regresszióanalízis fontos paramétere, amely azt jelzi, hogy egy regressziós modell mennyire jól magyarázza az adatok tényleges változékonyságát. Ebben a cikkben egy részletes példán és megbeszélésen keresztül ismertetjük a meghatározási együttható fogalmát.
A meghatározási együttható alapfogalma
A meghatározási együtthatót, vagy \(R^2 \) egy 0-tól 1-ig terjedő skálán mérjük, ahol:
– \( R^2 = 0 \) azt jelzi, hogy a regressziós modell egyáltalán nem képes megmagyarázni az adatok változékonyságát.
– \( R^2 = 1 \) azt mutatja, hogy a regressziós modell tökéletesen megmagyarázza az adatok összes változékonyságát.
A meghatározási együttható kiszámításának alapvető képlete a következő:
\[ R^2 = 1 – \frac{SSR}{SST} \]
Di mana:
– Az SSR (Sum of Squared Residuals, azaz a négyzetes reziduálisok összege) a modell által előre jelzett értékek és a tényleges értékek közötti különbségek négyzetösszege.
– Az SST (teljes négyzetösszeg) a tényleges érték és a tényleges értékek átlaga közötti különbségek négyzetösszegének összege.
Problémákra példa
Vizsgáljunk meg egy példafeladatot, hogy mélyebben megértsük a meghatározási együttható kiszámítását.
Problémákra példa:
Tegyük fel, hogy rendelkezésünkre állnak adatok 10 hallgató tanulmányi óráinak számáról (X) és vizsgaeredményeiről (Y):
| Hallgatók | Tanulási órák (X) | Vizsgapontszám (Y) |
|——-|———————–|———————–|
| 1 | 2 | 58 |
| 2 | 3 | 64 |
| 3 | 4 | 70 |
| 4 | 5 | 85 |
| 5 | 2 | 57 |
| 6 | 3 | 68 |
| 7 | 4 | 72 |
| 8 | 5 | 90 |
| 9 | 3 | 62 |
| 10 | 4 | 78 |
Létrehozunk egy egyszerű lineáris regressziós modellt, ahol a vizsgapontszámokat (Y) a tanulmányi órák (X) alapján jósoljuk meg.
Vita
1. Egyszerű lineáris regressziós modell felépítése
Egy egyszerű lineáris regressziós modell a következő formájú:
[Y = a + bX]
Di mana:
– \(Y \) a várható teszteredmény.
– \(X \) a tanulmányi órák száma.
– \(a \) a metszéspont (az Y tengely metszéspontja, amikor X = 0).
– \(b \) a regressziós egyenes meredeksége (dőlésszöge).
Az \(a \) és \(b \) paraméterek kiszámításához a következő képletet használjuk:
[b = ∫(XY)–(X)(Y)}{n(X^2)–(X)^2}]
[a = ∫|Y – b(∫|X)]
Ahol \(n \) az adatok száma (ebben az esetben n = 10).
A táblázatból kiszámolhatjuk:
– \(\összeg{X} = 36\)
– \(\összeg{Y} = 704\)
– \(\összeg{X^2} = 140\)
– \(\összeg{Y^2} = 50428\)
– \(\összeg{XY} = 2576\)
Először számoljuk ki a b-t:
\[ b = \frac{10(2576) – (36)(704)}{10(140) – (36)^2} \]
\[b = \frac{25760 – 25344}{1400 – 1296} \]
\[ b = \frac{416}{104} \]
\[ b = 4 \]
Ezután kiszámolunk egyet:
\[ a = \frac{704 – 4(36)}{10} \]
\[ a = \frac{704 – 144}{10} \]
\[ a = \frac{560}{10} \]
\[ a = 56 \]
Tehát a kapott lineáris regressziós modell a következő:
\[ Y = 56 + 4X \]
2. Számítsa ki az előrejelzett értéket (Y')
Ezután kiszámítjuk az egyes X értékekre vonatkozó \(Y' \) előrejelzett értéket:
| Hallgatók | Tanulási órák (X) | Vizsgapontszám (Y) | Várható pontszám (Y') |
|——-|———————–|———————–|—————————-|
| 1 | 2 | 58 | (56 + 4(2) = 64) |
| 2 | 3 | 64 | (56 + 4(3) = 68) |
| 3 | 4 | 70 | (56 + 4(4) = 72) |
| 4 | 5 | 85 | (56 + 4(5) = 76) |
| 5 | 2 | 57 | (56 + 4(2) = 64) |
| 6 | 3 | 68 | (56 + 4(3) = 68) |
| 7 | 4 | 72 | (56 + 4(4) = 72) |
| 8 | 5 | 90 | (56 + 4(5) = 76) |
| 9 | 3 | 62 | (56 + 4(3) = 68) |
| 10 | 4 | 78 | (56 + 4(4) = 72) |
3. Az SSR és az SST kiszámítása
Ezután kiszámítjuk az SSR-t és az SST-t, hogy megkapjuk az \(R^2 \) értéket.
SSR:
\[SSR = \sum{(Y – Y')^2} \]
\[ SSR = (58 – 64)^2 + (64 – 68)^2 + (70 – 72)^2 + (85 – 76)^2 + (57 – 64)^2 + (68 – 68)^2 + (72 – 72)^2 + (90 – 76)^2 + (62 – 68)^2 + (78 – 72)^2 \]
\[ SSR = 36 + 16 + 4 + 81 + 49 + 0 + 0 + 196 + 36 + 36 \]
\[ SSR = 454 \]
SST:
\[ SST = \sum{(Y – \bar{Y})^2} \]
Di mana:
\[ \bar{Y} = \frac{\sum{Y}}{n} = \frac{704}{10} = 70.4 \]
\[ SST = (58 – 70.4)^2 + (64 – 70.4)^2 + (70 – 70.4)^2 + (85 – 70.4)^2 + (57 – 70.4)^2 + (68 – 70.4)^2 + (72 – 70.4)^2 + (90 – 70.4)^2 + (62 – 70.4)^2 + (78 – 70.4)^2 \]
\[ SST = 153.76 + 40.96 + 0.16 + 213.16 + 178.56 + 5.76 + 2.56 + 384.16 + 70.56 + 57.76 \]
\[ SST = 1107.44 \]
4. A meghatározási együttható (R^2) kiszámítása:
\[ R^2 = 1 – \frac{SSR}{SST} \]
\[R^2 = 1 – \frac{454}{1107.44} \]
\[ R^2 = 1 – 0.41 \]
\[ R^2 = 0.59 \]
Következtetés
A fenti számításból meghatározó együtthatót kaptunk (R2 = 0.59). Ez azt jelzi, hogy az általunk létrehozott lineáris regressziós modell a vizsgapontszámok változékonyságának körülbelül 59%-át magyarázza a tanulmányi órák alapján. A változékonyság fennmaradó 41%-a más, a modellben nem szereplő tényezőknek tudható be.
A fenti lépések és számítások megértésével láthatjuk a meghatározási együttható fontosságát annak felmérésében, hogy az általunk felépített regressziós modell mennyire jól magyarázza az adatok tényleges változékonyságát. Ez egy nagyon hasznos eszköz a statisztikai elemzésben és az adatmodellezésben.
