R-Squared & Adjusted R-Squared Rechner (Multiple Regression

Der R-Squared & Adjusted R-Squared Rechner (Multiple Regression)

Verwendung des Rechners

Geben Sie Ihre Eingabe Mode — From Unadjusted R-Squared (R²) + n + Number of Predictors (p), From Sums of Squares (SS_res and SS_total), Unadjusted R-Squared (R²), Residual Sum von Squares (SS_res / SSE - if mode is SS) (e.g. e.g. 215), Gesamt Sum von Squares (SS_total / SST - if mode is SS) (e.g. e.g. 1000), Stichprobengröße (n / Gesamt Observations) (e.g. e.g. 45), Number von Independent Predictors (p / k - Excluding Intercept) (e.g. e.g. 4). Die Ergebnisse werden sofort aktualisiert, wenn Sie einen Wert ändern.

Die Formel

Formel & Rechenweg: Multiple Regression R^2 \& Adjusted R^2 (Theil-Ezekiel) formulas: R^2 = 1 - SS_resSS_Gesamt = SS_regSS_Gesamt R_adj^2 = 1 - ((1 - R^2)(n - 1))/(n - p - 1) = 1 - SS_res / (n - p - 1)SS_Gesamt / (n - 1) Degrees von Freedom: df_model = p, df_error = n - p - 1, df_Gesamt = n - 1 Overall Model ANOVA F-Statistic: F = (R^2 / p)/((1 - R^2) / (n - p - 1)) Shrinkage Penalty: Δ R^2 = R^2 - R_adj^2

Rechenbeispiel

Praxisbeispiel für R-Squared & Adjusted R-Squared Rechner (Multiple Regression): Ein Anwender gibt als Eingabe Mode from_r2 und als Unadjusted R-Squared 0,785 in die Eingabemaske ein. Das System berechnet sekundenschnell Adjusted R² & Overfitting Shrinkage Übersicht und schlüsselt die zugrundeliegenden Rechenschritte transparent auf. Das Ergebnis ermöglicht eine sofortige Verifikation und fundierte Weiterverarbeitung der Daten.

Ergebnisse verstehen

Nutzen Sie Ihr Ergebnis als Ausgangspunkt und validieren Sie es im Kontext Ihres spezifischen Anwendungsfalls. Testen Sie zwei oder drei Varianten der Eingangsdaten, um die Sensitivität des Ergebnisses zu verstehen. Für weitreichende Entscheidungen vergleichen Sie mit einer zweiten Quelle oder einem Fachexperten.