כיצד לחשב מקדם קביעה

מקדם הנחישות, R בריבוע, משמש בתורת הרגרסיה הליניארית בסטטיסטיקה כמדד עד כמה משוואת הרגרסיה מתאימה לנתונים. הריבוע של R, מקדם המתאם, הוא זה שמספק לנו את מידת המתאם בין המשתנה התלוי, Y, לבין המשתנה הבלתי תלוי X. R נע בין -1 ל- +1. אם R שווה ל- +1, Y פרופורציונלי לחלוטין ל- X, אם הערך של X עולה במידה מסוימת, אז הערך של Y עולה באותה דרגה. אם R שווה ל -1, יש מתאם שלילי מושלם בין Y ל- X. אם X גדל, Y יקטן באותה פרופורציה. מצד שני אם R = 0, אין קשר ליניארי בין X ל- Y. R בריבוע משתנה בין 0 ל -1. זה נותן לנו מושג עד כמה משוואת הרגרסיה שלנו מתאימה לנתונים. אם ריבוע R שווה ל 1, קו ההתאמה הטוב ביותר שלנו עובר דרך כל הנקודות בנתונים, וכל השונות בערכים שנצפו של Y מוסברת על ידי הקשר שלו לערכים של X. לדוגמא, אם נקבל ריבוע R הערך של .80 ואז 80% מהשונות בערכי Y מוסבר על ידי הקשר הליניארי שלו עם הערכים הנצפים של X.

חשב את סכום התוצרים של הערכים של X ו- Y, והכפיל את זה ב- "n. " הפח את הערך הזה מהתוצר של הסכומים של הערכים של X ו- Y. ציון ערך זה ב- S1: S1 = n (? XY) - (? X) (? Y)

חשב את סכום הריבועים של ערכי X, הכפיל את זה ב "n, " וחסר ערך זה מהריבוע של סכום הערכים של X. ציין את זה ב P1: P1 = n (? X2) - (? X) 2 קח את השורש הריבועי של P1, שאותו נציין על ידי P1 '.

חשב את סכום הריבועים של הערכים של Y, הכפיל את זה ב "n, " וחסר ערך זה מהריבוע של סכום הערכים של Y. ציין את זה ב- Q1: Q1 = n (? Y2) - (? Y) 2 קח את השורש הריבועי של Q1, אותו נציין לפי Q1 '

חשב את R, מקדם המתאם, על ידי חלוקת S1 בתוצר של P1 'ו- Q1': R = S1 / (P1 '* Q1')

קח את ריבוע R כדי להשיג R2, מקדם הנחישות.