Rechner für das adjustierte R-Quadrat
Berechnet den Wert des adjustierten R² für ein Regressionsmodell anhand von R², Stichprobengröße und Anzahl der Prädiktoren.
Berechnet den Wert des adjustierten R² für ein Regressionsmodell anhand von R², Stichprobengröße und Anzahl der Prädiktoren. Geben Sie Ihre R-Quadrat (R2), Stichprobengröße (n), Anzahl der Prädiktoren (p) ein, um sofort ein adjustiertes r-quadrat zu erhalten. Formel: round(1 - ((1 - r2) * (n - 1) / (n - p - 1)), 4).
Adjustiertes R-Quadrat
Füllen Sie die Felder aus und klicken Sie auf Berechnen
Adjustiertes R-Quadrat
Möchten Sie Ihre Berechnungen speichern?
Automatische Berechnung während der Eingabe
Vergleich ()
| Feld | |
|---|---|
| Ergebnis |
Formel
Schritt für Schritt
Variablen
Letzte Berechnungen
So funktioniert es
So funktioniert es
Dieser Rechner berechnet das adjustierte R-Quadrat (adjustiertes R²), das misst, wie gut ein Regressionsmodell die Variation in den Daten erklärt und dabei die Anzahl der verwendeten Prädiktoren berücksichtigt. Im Gegensatz zum normalen R² passt es sich an die Modellkomplexität an.
Es wird die exakte Formel verwendet: 1 - ((1 - R2) × (n - 1) / (n - p - 1)). Diese Anpassung verhindert, dass Modelle nur deshalb besser erscheinen, weil mehr Variablen hinzugefügt wurden.
- R² zeigt, wie viel Variation das Modell erklärt (zwischen 0 und 1)
- n ist die Gesamtzahl der Beobachtungen in Ihrem Datensatz
- p ist die Anzahl der Prädiktoren (unabhängigen Variablen)
- Die Formel bestraft das Hinzufügen zu vieler Prädiktoren
- Das Ergebnis wird auf 4 Dezimalstellen gerundet
Ergebnisse verstehen
Der Wert des adjustierten R² zeigt, wie gut Ihr Modell die Daten unter Berücksichtigung der Anzahl der Prädiktoren erklärt. Er liefert ein realistischeres Maß für die Modellleistung als das normale R².
Wenn Sie Prädiktoren hinzufügen, die das Modell nicht sinnvoll verbessern, kann das adjustierte R² unverändert bleiben oder sogar sinken.
- Werte näher an 1 weisen auf eine bessere Modellanpassung hin
- Ein höheres adjustiertes R² bedeutet stärkere Erklärungskraft
- Es kann sinken, wenn unnötige Prädiktoren hinzugefügt werden
- Es ist nützlich zum Vergleich von Modellen mit unterschiedlicher Anzahl an Prädiktoren
Häufig gestellte Fragen
Was ist das adjustierte R-Quadrat und worin unterscheidet es sich vom normalen R-Quadrat?
Das adjustierte R-Quadrat ist eine angepasste Version von R², die die Anzahl der Prädiktoren in einem Regressionsmodell berücksichtigt. Während R² immer steigt, wenn weitere Variablen hinzugefügt werden, erhöht sich das adjustierte R² nur dann, wenn die neuen Prädiktoren das Modell über das zufällig zu Erwartende hinaus verbessern. Dadurch ist es zuverlässiger beim Vergleich von Modellen mit unterschiedlicher Anzahl an Prädiktoren.
Wann sollte ich den Rechner für das adjustierte R-Quadrat verwenden?
Sie sollten diesen Rechner verwenden, wenn Sie die Leistung eines multiplen Regressionsmodells mit mehr als einer unabhängigen Variable bewerten. Er ist besonders nützlich beim Vergleich von Modellen mit unterschiedlicher Anzahl an Prädiktoren. Das adjustierte R² hilft festzustellen, ob das Hinzufügen von Variablen die Erklärungskraft des Modells tatsächlich verbessert.
Welche Werte sollte ich für R-Quadrat (R2) eingeben?
Geben Sie den R²-Wert als Dezimalzahl zwischen 0 und 1 ein. Wenn Ihr Regressionsergebnis beispielsweise ein R² von 85 % ausweist, sollten Sie 0,85 eingeben. Geben Sie keine Prozentwerte oder Werte außerhalb des Bereichs von 0 bis 1 ein.
Was umfasst die Anzahl der Prädiktoren (p)?
Die Anzahl der Prädiktoren (p) entspricht der Gesamtzahl der unabhängigen Variablen in Ihrem Regressionsmodell. Berücksichtigen Sie dabei nicht den Achsenabschnitt (Konstante). Wenn Ihr Modell beispielsweise drei unabhängige Variablen enthält, geben Sie 3 ein.
Warum ist die Stichprobengröße (n) wichtig für die Berechnung des adjustierten R-Quadrats?
Die Stichprobengröße beeinflusst, wie stark zusätzliche Prädiktoren durch die Anpassung „bestraft“ werden. Bei einer kleinen Stichprobe kann das Hinzufügen zu vieler Prädiktoren das adjustierte R² deutlich verringern. Größere Stichproben reduzieren diesen Effekt und machen die Kennzahl stabiler und zuverlässiger.
Kann das adjustierte R-Quadrat negativ sein?
Ja, das adjustierte R-Quadrat kann negativ sein, wenn das Modell die Daten sehr schlecht anpasst oder wenn im Verhältnis zur Stichprobengröße zu viele Prädiktoren enthalten sind. Ein negativer Wert zeigt an, dass das Modell schlechter abschneidet als ein einfaches Mittelwertmodell. Dies deutet darauf hin, dass die Prädiktoren die Variation der abhängigen Variable möglicherweise nicht sinnvoll erklären.
Haftungsausschluss
Dieser Rechner liefert Schätzungen nur zu Informationszwecken. Keine professionelle Beratung. Haftungsausschluss.