Pekali Penentuan

Apakah Pekali Penentuan?

Koefisien penentuan ialah ukuran statistik yang mengkaji bagaimana perbezaan dalam satu pembolehubah boleh dijelaskan oleh perbezaan dalam pembolehubah kedua, apabila meramalkan hasil peristiwa tertentu. Dalam erti kata lain, pekali ini, yang lebih dikenali sebagai R-kuadrat (atau R²), menilai sejauh mana kuat hubungan linear antara dua pembolehubah, dan sangat bergantung kepada penyelidik semasa menjalankan analisis arah aliran. Untuk memetik contoh penggunaannya, pekali ini mungkin memikirkan soalan berikut: jika seorang wanita hamil pada hari tertentu, apakah kemungkinan dia akan melahirkan bayinya pada tarikh tertentu pada masa hadapan? Dalam senario ini, metrik ini bertujuan untuk mengira korelasi antara dua peristiwa yang berkaitan: konsep dan kelahiran.

Memahami Pekali Penentuan

Koefisien penentuan ialah ukuran yang digunakan untuk menerangkan berapa banyak kebolehubahan sesuatu faktor boleh disebabkan oleh hubungannya dengan faktor lain yang berkaitan. Korelasi ini, yang dikenali sebagai " kebaikan kesesuaian,." diwakili sebagai nilai antara 0.0 dan 1.0. Nilai 1.0 menunjukkan kesesuaian yang sempurna, dan dengan itu merupakan model yang sangat boleh dipercayai untuk ramalan masa hadapan, manakala nilai 0.0 akan menunjukkan bahawa pengiraan gagal untuk memodelkan data dengan tepat sama sekali. Tetapi nilai 0.20, sebagai contoh, menunjukkan bahawa 20% daripada pembolehubah bersandar diramalkan oleh pembolehubah bebas, manakala nilai 0.50 mencadangkan bahawa 50% daripada pembolehubah bersandar diramalkan oleh pembolehubah bebas, dan sebagainya.

Grafik Pekali Penentuan

Pada graf, kebaikan padanan mengukur jarak antara garis yang dipasang dan semua titik data yang bertaburan di seluruh rajah. Set data yang ketat akan mempunyai garis regresi yang hampir dengan titik dan mempunyai tahap kesesuaian yang tinggi, bermakna jarak antara garis dan data adalah kecil. Walaupun padanan yang baik mempunyai R² hampir 1.0, nombor ini sahaja tidak dapat menentukan sama ada titik data atau ramalan adalah berat sebelah. Ia juga tidak memberitahu penganalisis sama ada pekali nilai penentuan adalah baik atau buruk secara intrinsik. Ia adalah mengikut budi bicara pengguna untuk menilai maksud korelasi ini, dan cara ia boleh digunakan dalam konteks analisis aliran masa hadapan.

Sorotan

• Pekali penentuan ialah idea kompleks yang berpusat pada analisis statistik model untuk data.

• Ukuran ini diwakili sebagai nilai antara 0.0 dan 1.0, di mana nilai 1.0 menunjukkan kesesuaian yang sempurna, dan dengan itu merupakan model yang sangat boleh dipercayai untuk ramalan masa hadapan, manakala nilai 0.0 akan menunjukkan bahawa model gagal memodelkan data dengan tepat sama sekali.

• Pekali penentuan digunakan untuk menerangkan berapa banyak kebolehubahan sesuatu faktor boleh disebabkan oleh hubungannya dengan faktor lain.

• Pekali ini biasanya dikenali sebagai R-squared (atau R²), dan kadangkala dirujuk sebagai "goodness of fit."