a:

Une différence majeure entre le R au carré et le R au carré ajusté est que le R au carré suppose que chaque variable indépendante du modèle explique la variation de la variable dépendante. Il donne le pourcentage de variation expliqué comme si toutes les variables indépendantes du modèle affectaient la variable dépendante, alors que le R-carré ajusté donne le pourcentage de variation expliqué par seulement les variables indépendantes qui affectent en réalité la variable dépendante. R-squared ne peut pas vérifier si le chiffre approximatif du coefficient et ses prédictions sont affectés. Il ne montre pas non plus si un modèle de régression est satisfaisant; il peut montrer un chiffre R-carré pour un bon modèle, ou un chiffre élevé R-carré pour un modèle qui ne correspond pas.

AD:

Le R-carré ajusté compare la puissance descriptive des modèles de régression qui incluent divers nombres de prédicteurs. Chaque prédicteur ajouté à un modèle augmente le R au carré et ne le diminue jamais. Ainsi, un modèle avec plus de termes peut sembler avoir un meilleur ajustement juste pour le fait qu'il a plus de termes, tandis que le R-carré ajusté compense l'addition de variables et augmente seulement si le nouveau terme améliore le modèle au-dessus de ce qui serait obtenu par probabilité et diminue quand un prédicteur améliore le modèle moins que ce qui est prédit par le hasard. Dans une condition de sur-ajustement, une valeur incorrectement élevée de R-carré, qui conduit à une capacité de prédiction réduite, est obtenue. Ce n'est pas le cas avec le R-carré ajusté.

AD:

Le R-carré ajusté est une version modifiée de R-carré pour le nombre de prédicteurs dans un modèle. Le R-carré ajusté peut être négatif, mais pas toujours, tandis qu'une valeur R-carré est comprise entre zéro et 100 et montre la relation linéaire dans l'échantillon de données même lorsqu'il n'y a pas de relation de base. Le R-carré ajusté est la meilleure estimation du degré de relation dans la population de base. Pour montrer la corrélation des modèles avec R-carré, choisissez le modèle avec la limite la plus élevée, mais la meilleure et la plus simple façon de comparer les modèles est de sélectionner un modèle avec le plus petit R-carré ajusté. Le R-carré ajusté n'est pas un modèle typique pour comparer des modèles non linéaires, mais plusieurs régressions linéaires.

AD: