Calculateur de R carré ajusté pour modèle d’analytique marketing
Un ensemble de données marketing plus vaste évaluant la performance des campagnes avec de multiples prédicteurs clients et canaux.
Calcule la valeur du R² ajusté pour un modèle de régression à l’aide du R², de la taille de l’échantillon et du nombre de prédicteurs. Entrez vos R-squared (R2), Taille de l’échantillon (n), Nombre de prédicteurs (p) pour obtenir un r carré ajusté instantané. Formule: round(1 - ((1 - r2) * (n - 1) / (n - p - 1)), 4).
R carré ajusté
Remplissez les champs ci-dessus et cliquez sur Calculer
R carré ajusté
Voulez-vous enregistrer vos calculs ?
Calcul automatique en cours de saisie
Comparaison ()
| Champ | |
|---|---|
| Résultat |
Formule
Étape par étape
Variables
Calculs Récents
Comment ça marche
Comment cela fonctionne
Ce calculateur calcule le R carré ajusté (R² ajusté), qui mesure dans quelle mesure un modèle de régression explique la variation des données tout en tenant compte du nombre de prédicteurs utilisés. Contrairement au R² classique, il s’ajuste à la complexité du modèle.
Il utilise la formule exacte : 1 - ((1 - R2) × (n - 1) / (n - p - 1)). Cet ajustement empêche les modèles de paraître meilleurs simplement parce que davantage de variables ont été ajoutées.
- Le R² indique la part de variation expliquée par le modèle (entre 0 et 1)
- n est le nombre total d’observations dans votre jeu de données
- p est le nombre de prédicteurs (variables indépendantes)
- La formule pénalise l’ajout d’un trop grand nombre de prédicteurs
- Le résultat est arrondi à 4 décimales
Comprendre les résultats
La valeur du R² ajusté indique dans quelle mesure votre modèle explique les données après prise en compte du nombre de prédicteurs. Elle fournit une mesure plus réaliste des performances du modèle que le R² classique.
Si vous ajoutez des prédicteurs qui n’améliorent pas significativement le modèle, le R² ajusté peut rester identique ou même diminuer.
- Des valeurs plus proches de 1 indiquent un meilleur ajustement du modèle
- Un R² ajusté plus élevé signifie un pouvoir explicatif plus fort
- Il peut diminuer si des prédicteurs inutiles sont ajoutés
- Il est utile pour comparer des modèles avec différents nombres de prédicteurs
Questions Fréquentes
Qu’est-ce que le R carré ajusté et en quoi est-il différent du R carré classique ?
Le R carré ajusté est une version modifiée du R² qui tient compte du nombre de prédicteurs dans un modèle de régression. Alors que le R² augmente toujours lorsque davantage de variables sont ajoutées, le R² ajusté n’augmente que si les nouveaux prédicteurs améliorent le modèle au-delà de ce qui serait attendu par hasard. Cela le rend plus fiable pour comparer des modèles comportant différents nombres de prédicteurs.
Quand dois-je utiliser le calculateur de R carré ajusté ?
Vous devez utiliser ce calculateur lors de l’évaluation des performances d’un modèle de régression multiple comprenant plus d’une variable indépendante. Il est particulièrement utile pour comparer des modèles avec différents nombres de prédicteurs. Le R² ajusté aide à déterminer si l’ajout de variables améliore réellement le pouvoir explicatif du modèle.
Quelles valeurs dois-je saisir pour le R-squared (R2) ?
Saisissez la valeur du R² sous forme décimale entre 0 et 1. Par exemple, si le résultat de votre régression indique un R² de 85 %, vous devez entrer 0,85. Assurez-vous de ne pas saisir de pourcentages ni de valeurs en dehors de l’intervalle de 0 à 1.
Que comprend le nombre de prédicteurs (p) ?
Le nombre de prédicteurs (p) correspond au nombre total de variables indépendantes dans votre modèle de régression. N’incluez pas l’interception (terme constant) dans ce total. Par exemple, si votre modèle comporte trois variables indépendantes, saisissez 3.
Pourquoi la taille de l’échantillon (n) est-elle importante dans le calcul du R carré ajusté ?
La taille de l’échantillon influence l’intensité avec laquelle l’ajustement pénalise les prédicteurs supplémentaires. Avec un petit échantillon, l’ajout d’un trop grand nombre de prédicteurs peut réduire considérablement le R² ajusté. Des échantillons plus importants réduisent cette pénalité, rendant la mesure plus stable et fiable.
Le R carré ajusté peut-il être négatif ?
Oui, le R carré ajusté peut être négatif si le modèle s’ajuste très mal aux données ou si trop de prédicteurs sont inclus par rapport à la taille de l’échantillon. Une valeur négative indique que le modèle est moins performant qu’un modèle simple basé sur la moyenne. Cela suggère que les prédicteurs n’expliquent pas de manière significative la variation de la variable dépendante.
Avertissement
Ce calculateur fournit des estimations à titre informatif uniquement. Ce n'est pas un conseil professionnel. Avertissement.