Voorbeeld van een discussievraag over de determinatiecoëfficiënt
De determinatiecoëfficiënt (R²) is een belangrijke parameter in regressieanalyse. Deze geeft aan hoe goed een regressiemodel de werkelijke variabiliteit van de data verklaart. In dit artikel leggen we het concept van de determinatiecoëfficiënt uit aan de hand van een gedetailleerd voorbeeld en een toelichting.
Basisbegrip van de determinatiecoëfficiënt
De determinatiecoëfficiënt of \( R^2 \) wordt gemeten op een schaal van 0 tot 1, waarbij:
– \( R^2 = 0 \) geeft aan dat het regressiemodel de variabiliteit van de gegevens helemaal niet kan verklaren.
– \( R^2 = 1 \) laat zien dat het regressiemodel alle variabiliteit in de data perfect kan verklaren.
De basisformule voor het berekenen van de determinatiecoëfficiënt is:
\[ R^2 = 1 – \frac{SSR}{SST} \]
Di mana:
– SSR (Sum of Squared Residuals) is de som van de kwadraten van de verschillen tussen de door het model voorspelde waarden en de werkelijke waarden.
– SST (Totale Som van de Kwadraten) is de som van de kwadraten van de verschillen tussen de werkelijke waarde en het gemiddelde van de werkelijke waarden.
Voorbeeld van problemen
Laten we een voorbeeldprobleem bespreken om de berekening van de determinatiecoëfficiënt beter te begrijpen.
Voorbeeld van een probleem:
Stel dat we gegevens hebben over het aantal studie-uren (X) en de examenresultaten (Y) van 10 studenten:
| Studenten | Studie-uren (X) | Examenresultaat (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 |
We zullen een eenvoudig lineair regressiemodel maken waarin examenresultaten (Y) worden voorspeld op basis van studie-uren (X).
Discussie
1. Het opstellen van een eenvoudig lineair regressiemodel
Een eenvoudig lineair regressiemodel heeft de volgende vorm:
\[ Y = a + bX \]
Di mana:
– \( Y \) is de voorspelde testscore.
– \( X \) is het aantal studie-uren.
– \( a \) is het snijpunt (het punt waar X de Y-as raakt als X = 0).
– \( b \) is de helling (de inclinatie van de regressielijn).
Om de parameters \( a \) en \( b \) te berekenen, gebruiken we de volgende formule:
\[ b = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{n(\sum{X^2}) – (\sum{X})^2} \]
\[ a = \frac{\sum{Y} – b(\sum{X})}{n} \]
Waarbij \( n \) het aantal gegevens is (in dit geval n = 10).
Aan de hand van de tabel kunnen we het volgende berekenen:
– \(\sum{X} = 36\)
– \(\sum{Y} = 704\)
– \(\sum{X^2} = 140\)
– \(\sum{Y^2} = 50428\)
– \(\sum{XY} = 2576\)
Laten we eerst b berekenen:
\[ b = \frac{10(2576) – (36)(704)}{10(140) – (36)^2} \]
\[ b = \frac{25760 – 25344}{1400 – 1296} \]
\[ b = \frac{416}{104} \]
\[ b = 4 \]
Vervolgens berekenen we a:
\[ a = \frac{704 – 4(36)}{10} \]
\[ a = \frac{704 – 144}{10} \]
\[ a = \frac{560}{10} \]
\[ een = 56 \]
Het lineaire regressiemodel dat we verkrijgen is dus:
\[ Y = 56 + 4X \]
2. Bereken de voorspelde waarde (Y')
Vervolgens berekenen we de voorspelde waarde \( Y' \) voor elke \( X \):
| Studenten | Studie-uren (X) | Examenresultaat (Y) | Verwacht resultaat (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. Berekening van SSR en SST
Vervolgens berekenen we SSR en SST om \( R^2 \) te verkrijgen.
SSR:
\[ SSR = \sum{(Y – Y')^2} \]
\[ SSR = (58 – 64)^2 + (64 – 68)^2 + (70 – 72)^2 + (85 – 76)^2 + (57 – 64)^2 + (68 – 68)^2 + (72 – 72)^2 + (90 – 76)^2 + (62 – 68)^2 + (78 – 72)^2 \]
\[ SSR = 36 + 16 + 4 + 81 + 49 + 0 + 0 + 196 + 36 + 36 \]
\[ SSR = 454 \]
RVS:
\[ SST = \sum{(Y – \bar{Y})^2} \]
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. Het berekenen van de determinatiecoëfficiënt \( R^2 \):
\[ R^2 = 1 – \frac{SSR}{SST} \]
\[ R^2 = 1 – \frac{454}{1107.44} \]
\[ R^2 = 1 – 0.41 \]
\[ R^2 = 0.59 \]
conclusie
Uit de bovenstaande berekening hebben we een determinatiecoëfficiënt (R² = 0.59) verkregen. Dit geeft aan dat het lineaire regressiemodel dat we hebben opgesteld ongeveer 59% van de variabiliteit in examenresultaten op basis van studie-uren kan verklaren. De resterende 41% van de variabiliteit zou te wijten kunnen zijn aan andere factoren die niet in het model zijn opgenomen.
Door de bovenstaande stappen en berekeningen te begrijpen, kunnen we het belang inzien van de determinatiecoëfficiënt bij het beoordelen van hoe goed het regressiemodel dat we bouwen de werkelijke variabiliteit van de gegevens verklaart. Het is een zeer nuttig hulpmiddel in statistische analyse en datamodellering.
