#إضاءة_إحصائية مهمة #لكل_باحث_وباحثة
نعتمد في الغالب عند تقييمنا لنموذج الانحدار المتعدد -الناتج من التحليل الإحصائي أو التعلم الآلي- على قيمة R Squared وقيمة Adjusted R Squared كمؤشرات على حسن مطابقة النموذج. سأتحدث في هذه السلسلة عن الفرق بين المؤشرين وأيهما الأفضل استخداما
نعتمد في الغالب عند تقييمنا لنموذج الانحدار المتعدد -الناتج من التحليل الإحصائي أو التعلم الآلي- على قيمة R Squared وقيمة Adjusted R Squared كمؤشرات على حسن مطابقة النموذج. سأتحدث في هذه السلسلة عن الفرق بين المؤشرين وأيهما الأفضل استخداما
تعرف قيمة R squared بمعامل التحديد Coefficient of Determination والتي تقيس نسبة التباين في المتغير التابع التي تحدثها (أو تشرحها) جميع المتغيرات المستقلة سواء كانت هذه المتغيرات ذات إضافة فعلية في المتغير التابع أم لا. تقاس بقسمة مجموع مربعات الأخطاء على مجموع المربعات الكلي.
تعرف قيمة Adjusted R Squared بمعامل التحديد المعدل Adjusted Coefficient of Determination وتقيس نسبة التباين في المتغير التابع التي تحدثها المتغيرات المستقلة فقط ذات الإضافة الفعلية في المتغير التابع فعي تعدل قيمة R Squared لاعتبارها لحجم العينة ولعدد المتغيرات المستقلة.
عند تقييم نموذج الانحدار المتعدد، يفضل الاعتماد على معامل التحديد المعدل. كما هو واضح في الجدول، كلما زاد عدد المتغيرات المستقلة تقل قيمة معامل التحديد المعدل عن معامل التحديد لاعتبارها للمتغيرات المستقلة ذات الإضافة الفعلية للنموذج.
وبشكل عام، عند إضافة متغير مستقل لنموذج الإنحدار المتعدد فإن قيمة معامل التحديد تكون في ارتفاع دائم بخلاف قيمة معامل التحديد المعدل التي تنقص نتيجة لاعتبارها للمتغيرات المستقلة غير المجدية.
جاري تحميل الاقتراحات...