R Squared yang Disesuaikan

Apa itu Adjusted R Squared?

Adjusted R Squared mengacu pada alat statistik yang membantu investor dalam mengukur sejauh mana varians dari variabel dependen yang dapat dijelaskan dengan variabel independen dan mempertimbangkan dampak hanya variabel independen tersebut yang berdampak pada variasi. dari variabel dependen.

Adjusted R Squared atau Modified R ^ 2 menentukan sejauh mana varians dari variabel dependen yang dapat dijelaskan oleh variabel independen. Keistimewaan R ^ 2 yang dimodifikasi adalah tidak memperhitungkan dampak semua variabel independen, melainkan hanya yang memengaruhi variasi variabel dependen. Nilai R ^ 2 yang dimodifikasi juga bisa negatif, meskipun tidak selalu negatif.

Formula R kuadrat yang Disesuaikan

Rumus untuk menghitung kuadrat R yang disesuaikan dari regresi disajikan sebagai berikut,

R ^ 2 = {(1 / N) * Σ [(xi - x) * (yi - y)] / (σx * σy)} ^ 2

Dimana

• R ^ 2 = Adjusted R square dari persamaan regresi
• N = Jumlah observasi pada persamaan regresi
• Xi = Variabel independen dari persamaan regresi
• X = Rata-rata variabel independen dari persamaan regresi
• Yi = Variabel dependen dari persamaan regresi
• Y = Mean dari variabel dependen dari persamaan regresi
• σx = Deviasi standar dari variabel independen
• σy = Simpangan baku dari variabel terikat.

Tolong dicatat

Untuk menghitungnya di excel perlu disediakan variabel y dan x di excel dan seluruh output bersama dengan Adjusted R ^ 2 dihasilkan oleh Excel. Ini adalah kasus khusus di mana sulit untuk memberikan keluaran dalam format teks, tidak seperti rumus lainnya.

Penafsiran

Adjusted R square, menentukan sejauh mana varians dari variabel dependen yang dapat dijelaskan oleh variabel independen. Dengan melihat nilai R ^ 2 yang disesuaikan, seseorang dapat menilai apakah data dalam persamaan regresi cocok. Semakin tinggi Adjusted R ^ 2 semakin baik persamaan regressi karena hal ini mengimplikasikan bahwa variabel independen yang dipilih untuk menentukan variabel dependen mampu menjelaskan variasi variabel dependen.

Nilai R ^ 2 yang dimodifikasi bisa juga negatif, meskipun tidak selalu negatif. Dalam kasus R square yang disesuaikan, nilai R square akan naik dengan penambahan variabel independen hanya jika variasi variabel independen mempengaruhi variasi variabel dependen. Ini tidak berlaku dalam kasus R ^ 2, hanya berlaku untuk nilai R ^ 2 yang disesuaikan.

Contoh

Anda dapat mendownload Template Formula R Squared R yang Disesuaikan di sini - Template Formula R Squared R yang Disesuaikan

Contoh 1

Mari kita coba dan pahami konsep R ^ 2 yang disesuaikan dengan bantuan sebuah contoh. Mari kita coba cari tahu apa hubungan jarak yang ditempuh oleh pengemudi truk dengan usia pengemudi truk. Seseorang sebenarnya melakukan persamaan regresi untuk memvalidasi apakah pendapatnya tentang hubungan antara dua variabel, juga divalidasi oleh persamaan regresi.

Dalam contoh khusus ini, kita akan melihat variabel mana yang merupakan variabel terikat dan variabel mana yang merupakan variabel bebas. Variabel terikat dalam persamaan regresi ini adalah jarak tempuh pengemudi truk dan variabel bebasnya adalah usia pengemudi truk. Dengan menjalankan regresi dengan variabel kita mendapatkan R square yang disesuaikan menjadi 65%. Cuplikan di bawah ini menggambarkan keluaran regresi untuk variabel. Kumpulan data dan variabel disajikan dalam lembar excel terlampir.

Nilai R ^ 2 yang disesuaikan sebesar 65% untuk regresi ini menyiratkan bahwa 65% variasi dalam variabel terikat dijelaskan oleh variabel bebas. Idealnya, seorang peneliti akan mencari koefisien determinasi yang paling mendekati 100%.

Contoh # 2

Mari kita coba dan pahami konsep persegi R yang disesuaikan dengan bantuan contoh lain. Mari kita coba mencari tahu apa hubungan antara tinggi siswa di suatu kelas dengan nilai IPK siswa tersebut. Dalam contoh khusus ini, kita akan melihat variabel mana yang merupakan variabel terikat dan variabel mana yang merupakan variabel bebas. Variabel terikat dalam persamaan regresi ini adalah IPK siswa dan variabel bebasnya adalah tinggi badan siswa.

Dengan menjalankan regresi dengan variabel, kami mendapatkan R ^ 2 yang disesuaikan menjadi dapat diabaikan atau negatif. Cuplikan di bawah ini menggambarkan keluaran regresi untuk variabel. Kumpulan data dan variabel disajikan dalam lembar excel terlampir.

Nilai R ^ 2 yang disesuaikan dapat diabaikan untuk regresi ini yang mengimplikasikan bahwa variasi variabel dependen tidak dijelaskan oleh variabel independen. Idealnya, seorang peneliti akan mencari koefisien determinasi yang paling mendekati 100%.

Penafsiran

Adjusted R square merupakan keluaran yang sangat penting untuk mengetahui apakah kumpulan data tersebut sesuai atau tidak. Seseorang sebenarnya melakukan persamaan regresi untuk memvalidasi apakah pendapatnya tentang hubungan antara dua variabel, juga divalidasi oleh persamaan regresi. Semakin tinggi nilainya, semakin baik persamaan regresinya karena ini mengimplikasikan bahwa variabel independen dipilih untuk menentukan variabel dependen dipilih dengan tepat. Idealnya, seorang peneliti akan mencari koefisien determinasi yang paling mendekati 100%.