मल्टीपल लीनियर रिग्रेशन कैलकुलेटर के लिए समायोजित आर स्क्वायर

समायोजित आर स्क्वेर्ड गुणांक सामान्य आर-स्क्वेर्ड गुणांक (जिसे निर्धारण गुणांक के रूप में भी जाना जाता है) में सुधार है, जो कई भविष्यवाणियों के साथ बहु प्रतिगमन के मामले में विशेष रूप से उपयोगी है, क्योंकि उस मामले में, अनुमानित व्याख्या की गई भिन्नता आर-स्क्वेर्ड द्वारा अतिरंजित/अतिरंजित होती है। समायोजित आर स्क्वेर्ड गुणांक की गणना निम्न सूत्र का उपयोग करके की जाती है:

\[\text{Adj. } R^2 = \displaystyle 1 - \frac{(1-R^2)(n-1)}{n-k-1}\]

जहाँ \(n\) नमूना आकार है, \(k\) पूर्वानुमानकर्ताओं की संख्या है (स्थिरांक को छोड़कर)।

यह सॉल्वर मल्टीपल लीनियर रिग्रेशन के लिए है। यदि आप सरल रिग्रेशन मॉडल के लिए एडजस्टेड आर स्क्वेर्ड गुणांक की गणना करना चाहते हैं, तो कृपया इसका उपयोग करें सरल प्रतिगमन मॉडल कैलकुलेटर के लिए समायोजित आर-स्क्वायर्ड कैलकुलेटर इसके बजाय। या, यदि आप पहले से ही निर्धारण गुणांक \(R^2\) का मान जानते हैं, तो इसका उपयोग करें आर स्क्वैड कैलकुलेटर को समायोजित करने के लिए चुकता इसके अलावा, यदि आपको प्रतिगमन मॉडल का अनुमान लगाने की आवश्यकता है, तो इसका उपयोग करें एकाधिक रैखिक प्रतिगमन कैलकुलेटर .

रैखिक प्रतिगमन मॉडल के लिए एक अच्छा समायोजित आर-स्क्वायर क्या है?

1 के जितना करीब, उतना बेहतर। वास्तविक जीवन में, 1 के बहुत करीब समायोजित आर-स्क्वायर गुणांक प्राप्त करना इतना आसान नहीं है, क्योंकि इसका मतलब होगा किसी तरह का "परफेक्ट मॉडल" होना, जो वास्तविक जीवन में मिलना दुर्लभ है।