如何在不同的


15

我想到了以下提出的调整后的R平方公式:

  • 以西结(1930),我相信这是目前SPSS中使用的一种。

    Radjusted2=1(N1)(Np1)(1R2)
  • 奥尔金和普拉特(1958)

    Runbiased2=1(N3)(1R2)(Np1)2(N3)(1R2)2(Np1)(Np+1)

在什么情况下(如果有)我应该更喜欢“调整”而不是“无偏”?R2

参考文献

  1. Ezekiel,M.(1930年)。相关分析方法。纽约约翰·威利父子。
  2. 奥尔金(Olkin I.),普拉特(Pratt)JW(1958)。某些相关系数的无偏估计。数理统计年鉴,29(1),201-211。

Answers:


5

不想在@ttnphns的回答中功不可没,我想将答案移出评论(特别是考虑到与该文章的链接已消失)。马特·克劳斯(Matt Krause)的答案对R 2 a d j之间的区别进行了有益的讨论,但没有讨论在任何给定情况下使用哪个R 2 a d j公式的决定。R2Radj2Radj2

正如我在讨论这个答案,阴和范(2001)提供了许多不同的化学式的很好的概述用于估计总体方差解释,所有这些都可能被标记的一种类型的调整- [R 2ρ2R2

它们执行模拟,以评估其一个宽范围中调节的R平方式的提供不同样本大小最好无偏估计,,和预测器交互相关。他们认为,普拉特公式可能是一个不错的选择,但我认为该研究在此问题上不是确定的。ρ2

更新: Raju等人(1997)指出,调整公式有所不同基于它们是否被设计为估计调整- [R 2假设固定x或随机-X predcitors。具体而言,式Ezekial被设计来估计ρ 2在固定-X范围内,和Olkin型-Pratt和普拉特公式被设计来估计ρ 2在随机-X上下文。Olkin-Pratt和Pratt公式之间没有太大区别。当您假设预测变量的值是可能值的样本时(如观察研究中的典型情况),固定x假设与计划的实验一致,随机x假设与之一致。看到R2R2ρ2ρ2这个答案有待进一步讨论。随着样本量逐渐变大,两种类型的公式之间也没有太大差异(请参见此处,了解差异的大小)。

经验法则摘要

  • 如果您认为您的预测变量的观测是从总体的随机抽样,并想估计为这两个预测结果和标准(即随机-X的假设)的全部人口然后使用Olkin型,普惠式(或普拉特公式)。ρ2
  • 如果你认为你的观察是固定的,或者你不想一概而论超出你的观察预测的水平,然后估计与结公式。ρ2
  • 如果您想了解使用样本回归方程进行的样本外预测,那么您将需要研究某种形式的交叉验证程序。

参考文献

  • Raju,NS,Bilgic,R.,Edwards,JE,&Fleer,PF(1997)。方法学评论:总体有效性和交叉有效性的估计,以及在预测中使用相等的权重。应用心理测量,21(4),291-305。
  • Yin,P.,&Fan,X.(2001年)。在多元回归中估算收缩:不同分析方法的比较。实验教育杂志,69(2),203-224。PDF格式R2

13

的选择或调整[R 2取决于你想做什么。在回归上下文中,常规R 2用作模型拟合优度的度量。但是,假设您正在比较具有不同参数数量的几个模型。在所有条件相同的情况下,具有更多参数的模型将更适合您的观察。在极限情况下,您可以有一个模型,其中每个数据点都有参数,但每个参数都有一个参数。这将使您非常适合观察,但是对于新的预测将毫无用处,因为它可以捕获潜在的“信号”以及任何相关的噪声。调整后的R 2是通过调整R来解决此问题的尝试。R2R2R2R2根据模型中的参数数量获得 2个值。R2

因此,它们的用途略有不同。描述了不同数据集拟合模型的程度。您可能会写类似“上述模型在标准测试条件下准确预测部件A(r 2 = 0.9)而不是部件B(r 2 = 0.05)的性能”的内容。调整后的R 2描述了不同模型拟合相同数据(或相似数据)的程度。例如,“短期和长期问卷的结果均能很好地预测客户的年度支出(两者的调整后R 2 = 0.8)”。R2r2r2R2R2


2
谢谢,我发现这很清楚地说明了R平方和调整后的R平方之间的差异。在您看来,无偏R平方如何适合此图片?
user1205901-恢复莫妮卡

5
确实有各种公式可以估算总体R ^ 2。参见例如studyforquals.pbworks.com/f/yin.pdf。费舍尔(= Wherry's)的“调整后的R ^ 2”据说略有负偏差(它仍然取决于样本量,而不取决于预测变量的数量),因此Olkin-Pratt版本可能要好一些。
ttnphns 2012年

1
@ttnphns,也许应该是答案而不是评论。对我来说,似乎比这个答案更能解决原始问题。
gung-恢复莫妮卡

1
R2R2

1
@ttnphns,我同意Gung!您应该写下一个答案并获得一些荣誉。另外,您能确认我写的内容吗?JStor今天的表现很奇怪,不会让我阅读Olkin和Pratt的原始论文。
马特·克劳斯
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.