Exemplu de întrebare de discuție despre coeficientul de determinare
Coeficientul de determinare (R²) este un parametru important în analiza de regresie, indicând cât de bine explică un model de regresie variabilitatea reală a datelor. În acest articol, vom explica conceptul de coeficient de determinare printr-un exemplu detaliat și o discuție.
Conceptul de bază al coeficientului de determinare
Coeficientul de determinare sau \(R^2\) se măsoară pe o scală de la 0 la 1, unde:
– \(R^2 = 0 \) indică faptul că modelul de regresie nu este capabil să explice deloc variabilitatea datelor.
– \(R^2 = 1 \) arată că modelul de regresie este capabil să explice perfect toată variabilitatea datelor.
Formula de bază pentru calcularea coeficientului de determinare este:
\[ R^2 = 1 – \frac{SSR}{SST} \]
Di mana:
– SSR (Suma Pătratelor Reziduurilor) este suma pătratelor diferențelor dintre valorile prezise de model și valorile reale.
– SST (Suma Totală a Pătratelor) este totalul sumei pătratelor diferențelor dintre valoarea reală și media valorilor reale.
Exemplu de probleme
Să discutăm o problemă exemplificativă pentru a înțelege mai detaliat calculul coeficientului de determinare.
Exemplu de probleme:
Să presupunem că avem date privind numărul de ore de studiu (X) și scorurile la examene (Y) a 10 studenți:
| Studenți | Ore de studiu (X) | Scor examen (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 |
Vom crea un model simplu de regresie liniară în care scorurile la examene (Y) sunt prezise pe baza orelor de studiu (X).
Pembahasan
1. Construirea unui model simplu de regresie liniară
Un model simplu de regresie liniară are forma:
\[ Y = a + bX \]
Di mana:
– \(Y\) este scorul prezis la test.
– \(X\) este numărul de ore de studiu.
– \(a \) este intersecția cu axa Y (punctul de intersecție pe axa Y când X = 0).
– \(b \) este panta (înclinarea dreptei de regresie).
Pentru a calcula parametrii \(a\) și \(b\), folosim următoarea formulă:
b = \frac{n(\sum{XY}) – (\sum{X})(\sum{Y})}{n(\sum{X^2}) – (\sum{X})^2}
\[ a = \frac{\sum{Y} – b(\sum{X})}{n} \]
Unde \(n\) este numărul de date (în acest caz n = 10).
Din tabel putem calcula:
– (\sum{X} = 36\)
– (\sum{Y} = 704\)
– (\sum{X^2} = 140\)
– \(\sum{Y^2} = 50428\)
– (\sum{XY} = 2576\)
Să calculăm mai întâi b:
\[ b = \frac{10(2576) – (36)(704)}{10(140) – (36)^2} \]
\[ b = \frac{25760 – 25344}{1400 – 1296} \]
\[ b = \frac{416}{104} \]
\[ b = 4 \]
Apoi, calculăm:
\[ a = \frac{704 – 4(36)}{10} \]
\[ a = \frac{704 – 144}{10} \]
\[ a = \frac{560}{10} \]
\[ a = 56 \]
Deci, modelul de regresie liniară pe care îl obținem este:
\[ Y = 56 + 4X \]
2. Calculați valoarea prezisă (Y')
Apoi, calculăm valoarea prezisă ∫(Y') pentru fiecare ∫(X):
| Studenți | Ore de studiu (X) | Scor examen (Y) | Scor estimat (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. Calcularea SSR și SST
Apoi, calculăm SSR și SST pentru a obține \(R^2\).
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. Calcularea coeficientului de determinare \(R^2 \):
\[ R^2 = 1 – \frac{SSR}{SST} \]
\[ R^2 = 1 – \frac{454}{1107.44} \]
\[R^2 = 1 – 0.41 \]
\[R^2 = 0.59\]
Concluzie
Din calculul de mai sus, am obținut un coeficient de determinare (R2 = 0.59). Aceasta indică faptul că modelul de regresie liniară pe care l-am creat poate explica aproximativ 59% din variabilitatea scorurilor la examene în funcție de orele de studiu. Restul de 41% din variabilitate s-ar putea datora altor factori care nu sunt incluși în model.
Prin înțelegerea pașilor și calculelor de mai sus, putem observa importanța coeficientului de determinare în evaluarea modului în care modelul de regresie pe care îl construim explică variabilitatea reală a datelor. Este un instrument foarte util în analiza statistică și modelarea datelor.
