0 оценок0% нашли этот документ полезным (0 голосов)
4K просмотров6 страниц
El texto brinda una breve descripción sobre los parámetros R Cuadrado y R Cuadrado Ajustado, además indica cuáles son las diferencias entre los mismos.
El texto brinda una breve descripción sobre los parámetros R Cuadrado y R Cuadrado Ajustado, además indica cuáles son las diferencias entre los mismos.
El texto brinda una breve descripción sobre los parámetros R Cuadrado y R Cuadrado Ajustado, además indica cuáles son las diferencias entre los mismos.
Supongamos que queremos explicar la cantidad de goles que anota Cristiano Ronaldo según la cantidad de partidos que juega. Suponemos que, a mayor cantidad de partidos jugados, más goles meterá. Los datos pertenecen a las últimas 8 temporadas. De tal manera que tras extraer los datos el modelo arroja la siguiente estimación:
Cómo podemos ver en el gráfico, la relación es positiva. A más partidos
jugados, como es lógico, más goles anota en la temporada. El ajuste, según el cálculo del R Cuadrado, es de 0.835. Lo cual quiere decir que es un modelo cuyas estimaciones se ajustan bastante bien a la variable real. Aunque técnicamente no sería correcto, podríamos decir algo así como que el modelo explica en un 83.5% a la variable real. El problema del R Cuadrado
El problema del R Cuadrado, y razón por el cual surge el R Cuadrado
ajustado, radica en que no penaliza la inclusión de variables explicativas no significativas. Es decir, si al modelo se añaden cinco variables explicativas que guardan poca relación con los goles que anota Cristiano Ronaldo en una temporada, el R Cuadrado aumentará. Es por ello que muchos expertos económetras, estadísticos y matemáticos se oponen al uso del R Cuadrado como medida representativa de la bondad del ajuste real. El R Cuadrado ajustado
El R Cuadrado ajustado es la medida que define el porcentaje explicado
por la varianza de la regresión en relación con la varianza de la variable explicada. Es decir, lo mismo que el R Cuadrado, pero con una diferencia. Esa diferencia se encuentra en que el R Cuadrado ajustado penaliza la inclusión de variables. Cómo hemos dicho anteriormente el R Cuadrado de un modelo aumenta aunque las variables que incluyamos no sean relevantes. Ya que esto supone un problema, para intentar solventarlo el R Cuadrado ajustado queda tal que:
Donde N es el tamaño de la muestra y k el número de variables explicativas.
Por deducción matemática, a valores más altos de k, más alejado estará el R Cuadrado ajustado del R Cuadrado normal. Al revés a valores más bajos de k, más cerca estará de 1 la fracción central y, por tanto, más parecidos serán el R Cuadrado ajustado y el R Cuadrado normal. Recordando que k es el número de variables explicativas, deducimos que éste no puede ser cero. Si fuese cero, no existiría modelo. Como mínimo tendremos que explicar una variable en función de otra variable. Dado que k debe ser como mínimo 1, el R Cuadrado ajustado y el R Cuadrado normal no pueden tener el mismo valor. Es más, el R Cuadrado ajustado será siempre inferior al R Cuadrado normal.
PÁGINA DE IBM
R2 ajustado es un medida de bondad de ajuste corregida (precisión de
modelo) para los modelos lineales. Identifica el porcentaje de varianza en el campo objetivo que se explica mediante la entrada o entradas.
R2 tiende a estimar de forma optimista el ajuste de la regresión lineal. Siempre
aumenta como el número de efectos que se incluyen en el modelo. R2 ajustado intenta corregir esta estimación excesiva. R2 ajustado podría disminuir si un efecto específico no mejora el modelo.
R cuadrado ajustad se calcula dividiendo el error cuadrático de la media
residual por el error cuadrático promedio total (que es la varianza muestral del campo objetivo). Se resta 1 del resultado.
R2 ajustado siempre es menor o igual que R2. Un valor de 1 indica un modelo
que predice perfectamente valores del campo objetivo. Un valor que es menor o igual que 0 indica un modelo que no tiene ningún valor predictivo. En el mundo real, R2 ajustado se encuentra entre estos valores. ¿Cuál es la diferencia entre r-cuadrado y r-cuadrado ajustado?
Una diferencia importante entre R-cuadrado y R-cuadrado ajustado es que
R-cuadrado supone que cada variable independiente en el modelo explica la variación en la variable dependiente. Da el porcentaje de variación explicada como si todas las variables independientes en el modelo afectaran a la variable dependiente, mientras que el R-cuadrado ajustado da el porcentaje de variación explicado solo por aquellas variables independientes que en realidad afectan a la variable dependiente. R- cuadrado no puede verificar si la figura del coeficiente del estadio y sus predicciones están perjudicadas. Tampoco muestra si un modelo de regresión es satisfactorio; puede mostrar una figura R-cuadrado para un buen modelo, o una figura alta R-cuadrado para un modelo que no se ajusta.
El R-cuadrado ajustado compara el poder descriptivo de los modelos de
regresión que incluyen diversos números de predictores. Cada predictor agregado a un modelo aumenta R-cuadrado y nunca lo disminuye. Por lo tanto, un modelo con más términos puede parecer mejor ajustado simplemente por el hecho de que tiene más términos, mientras que el R- cuadrado ajustado compensa la adición de variables y solo aumenta si el nuevo término mejora el modelo por encima de lo que sería se obtiene por probabilidad y disminuye cuando un predictor mejora el modelo menos de lo que se predice por azar. En una condición de sobreajuste, se obtiene un valor incorrectamente alto de R cuadrado, que conduce a una menor capacidad de predicción. Este no es el caso con el R-cuadrado ajustado.
El R-cuadrado ajustado es una versión modificada de R-cuadrado para el
número de predictores en un modelo. El R-cuadrado ajustado puede ser negativo, pero no siempre, mientras que un valor R-cuadrado está entre cero y 100 y muestra la relación lineal en la muestra de datos, incluso cuando no hay una relación básica. El R-cuadrado ajustado es la mejor estimación del grado de relación en la población básica. Para mostrar la correlación de los modelos con R-cuadrado, elija el modelo con el límite más alto, pero la mejor y más fácil forma de comparar los modelos es seleccionar uno con el R-cuadrado ajustado más pequeño. El R-cuadrado ajustado no es un modelo típico para comparar modelos no lineales, sino regresiones lineales múltiples. La diferencia clave entre R2 y ajustado R2 es eso R2 aumenta automáticamente a medida que agrega nuevas variables independientes a una ecuación de regresión (incluso si no aportan ningún nuevo poder explicativo de la ecuación). Por lo tanto, desea utilizar ajustado R2 con el análisis de regresión múltiple. Ajustado R2 aumenta sólo cuando agrega nuevas variables independientes que hacer aumentar el poder explicativo de la ecuación de regresión, por lo que es una medida mucho más útil de lo bien que una ecuación de regresión múltiple se ajusta a los datos de la muestra que R2. Introducción a la econometría: un enfoque moderno http://economipedia.com/definiciones/r-cuadrado-coeficiente- determinacion.html https://www.ibm.com/support/knowledgecenter/es/SS4QC9/com.ibm.soluti ons.wa_an_overview.2.0.0.doc/rsquared_adjusted.html http://maniqui.ru/educacin-y-lenguas/matemticas/estadsticas/18684-cmo- calcular-el-coeficiente-de-determinacin.html https://books.google.co.cr/books?id=hZFzcAa0_BkC&pg=PA882&lpg=PA882 &dq=diferencias+entre+r+cuadrado+r+cuadrado+ajustado&source=bl&ots=t q2Fv3qTbL&sig=G1oXcLgDmicsvBdQ6cqlse1- xBI&hl=es&sa=X&ved=0ahUKEwjt4ZXCnuPZAhUsq1kKHecAAw84ChDoAQhU MAg#v=onepage&q&f=false https://books.google.co.cr/books?id=5vnq3IZS7a8C&pg=PA218&lpg=PA218& dq=diferencias+entre+r+cuadrado+r+cuadrado+ajustado&source=bl&ots=W_ OzkS7T4D&sig=eVePqro4CQQrbHrqeDYoqv2TAwU&hl=es&sa=X&ved=0ahUK Ewjo_bC5puPZAhXSuFkKHUOpDRY4FBDoAQgsMAE#v=onepage&q&f=false