Príklad diskusnej otázky o koeficiente determinácie
Koeficient determinácie (R²) je dôležitý parameter v regresnej analýze, ktorý ukazuje, ako dobre regresný model vysvetľuje skutočnú variabilitu údajov. V tomto článku vysvetlíme koncept koeficientu determinácie prostredníctvom podrobného príkladu a diskusie.
Základný koncept koeficientu determinácie
Koeficient determinácie alebo \( R^2 \) sa meria na stupnici od 0 do 1, kde:
– \( R^2 = 0 \) naznačuje, že regresný model vôbec nedokáže vysvetliť variabilitu údajov.
– \( R^2 = 1 \) ukazuje, že regresný model dokáže dokonale vysvetliť všetku variabilitu údajov.
Základný vzorec na výpočet koeficientu determinácie je:
\[ R^2 = 1 – \frac{SSR}{SST} \]
Ruka:
– SSR (Sum of Squared Residuals) je súčet druhých mocnín rozdielov medzi hodnotami predpovedanými modelom a skutočnými hodnotami.
– SST (celkový súčet štvorcov) je súčet súčtu štvorcov rozdielov medzi skutočnou hodnotou a priemerom skutočných hodnôt.
Príklad problémov
Pre hlbšie pochopenie výpočtu koeficientu determinácie si rozoberme príkladný problém.
Príklad problémov:
Predpokladajme, že máme údaje o počte študijných hodín (X) a výsledkoch skúšok (Y) 10 študentov:
| Študenti | Študijné hodiny (X) | Skóre skúšky (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 |
Vytvoríme jednoduchý lineárny regresný model, kde sú výsledky skúšok (Y) predpovedané na základe študijných hodín (X).
Diskusia
1. Vytvorenie jednoduchého modelu lineárnej regresie
Jednoduchý lineárny regresný model má tvar:
\[ Y = a + bX \]
Ruka:
– \( Y \) je predpokladané skóre testu.
– \( X \) je počet študijných hodín.
– \( a \) je priesečník (priesečník na osi Y, keď X = 0).
– \( b \) je sklon (sklon regresnej priamky).
Na výpočet parametrov (a) a (b) použijeme nasledujúci vzorec:
\[ b = \frac{n(\suma{XY}) – (\suma{X})(\suma{Y})}{n(\suma{X^2}) – (\suma{X})^2} \]
\[ a = \frac{\suma{Y} – b(\suma{X})}{n} \]
Kde \( n \) je počet údajov (v tomto prípade n = 10).
Z tabuľky môžeme vypočítať:
– \(súčet{X} = 36\)
– \(súčet{Y} = 704\)
– \(súčet{X^2} = 140\)
– \(súčet{Y^2} = 50428\)
– \(súčet{XY} = 2576\)
Najprv vypočítajme b:
\[b = \frac{10(2576) – (36)(704)}{10(140) – (36)^2} \]
\[b = \frac{25760 – 25344}{1400 – 1296} \]
\[ b = \frac{416}{104} \]
\[ b = 4 \]
Potom vypočítame:
\[ a = \frac{704 – 4(36)}{10} \]
\[ a = \frac{704 – 144}{10} \]
\[ a = \frac{560}{10} \]
\[ a = 56 \]
Takže, lineárny regresný model, ktorý dostaneme, je:
\[ Y = 56 + 4X \]
2. Vypočítajte predpokladanú hodnotu (Y')
Ďalej vypočítame predpokladanú hodnotu \( Y' \) pre každé \( X \):
| Študenti | Študijné hodiny (X) | Skóre skúšky (Y) | Predpokladané skóre (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. Výpočet SSR a SST
Ďalej vypočítame SSR a SST, aby sme dostali \( R^2 \).
SSR:
SSR = súčet{(Y – Y')^2}
\[SSR = (58 – 64)^2 + (64 – 68)^2 + (70 – 72)^2 + (85 – 76)^2 + (57 – 64)^2 + (68 – 68)^2 + (72 – 72)^2 + (90 – 76)^2 + (62 – 68)^2 + (78 – 72)^2 \]
\[SSR = 36 + 16 + 4 + 81 + 49 + 0 + 0 + 196 + 36 + 36 \]
\[SSR = 454 \]
Najnižšia teplota:
\[ SST = \sum{(Y – \bar{Y})^2} \]
Ruka:
\[ \bar{Y} = \frac{\sum{Y}}{n} = \frac{704}{10} = 70.4 \]
\[ SST = (58 – 70.4)^2 + (64 – 70.4)^2 + (70 – 70.4)^2 + (85 – 70.4)^2 + (57 – 70.4)^2 + (68 – 70.4)^2 + (72 – 70.4)^2 + (90 – 70.4)^2 + (62 – 70.4)^2 + (78 – 70.4)^2 \]
\[ SST = 153.76 + 40.96 + 0.16 + 213.16 + 178.56 + 5.76 + 2.56 + 384.16 + 70.56 + 57.76 \]
\[ SST = 1107.44 \]
4. Výpočet koeficientu determinácie \( R^2 \):
\[ R^2 = 1 – \frac{SSR}{SST} \]
\[ R^2 = 1 – \frac{454}{1107.44} \]
\[ R^2 = 1 – 0.41 \]
\[R^2 = 0.59 \]
Záver
Z vyššie uvedeného výpočtu sme získali koeficient determinácie (R2 = 0.59). To naznačuje, že nami vytvorený lineárny regresný model dokáže vysvetliť približne 59 % variability výsledkov skúšok na základe študijných hodín. Zvyšných 41 % variability by mohlo byť spôsobených inými faktormi, ktoré model nezahŕňa.
Pochopením vyššie uvedených krokov a výpočtov vidíme dôležitosť koeficientu determinácie pri hodnotení toho, ako dobre regresný model, ktorý zostavujeme, vysvetľuje skutočnú variabilitu údajov. Je to veľmi užitočný nástroj v štatistickej analýze a modelovaní údajov.
