R-carré ajusté

Évaluez l’adéquation du modèle tout en tenant compte du nombre de prédicteurs.

Paramètres du modèle

R-carré brut (R²)

Taille de l'échantillon (n)

Prédicteurs (k)

Analyse d'ajustement

Adjusted R²0.8420Score de fiabilité

Pénalité de surapprentissage

0.0080

Degrés de liberté

Note de stabilité

Le modèle semble stable. La pénalité d’ajustement est mineure.

Overview

Le R-carré ajusté est une version modifiée du R-carré qui a été ajusté en fonction du nombre de prédicteurs dans le modèle. Alors que le R au carré augmente toujours à mesure que vous ajoutez plus de variables, le R au carré ajusté n'augmente que si le nouveau terme améliore le modèle plus que ce à quoi on pourrait s'attendre par hasard.

💡

Pro Tips

Utilisez le R² ajusté lorsque vous comparez des modèles avec un nombre différent de prédicteurs.
Si le R² ajusté est bien inférieur au R², envisagez de supprimer les variables faibles ou redondantes.
Assurez-vous toujours que la taille de votre échantillon (n) est nettement supérieure au nombre de prédicteurs (k).

Mathematical Formula

The adjustment penalty is applied based on the ratio of sample size to predictors:

R̄² = 1 - [ (1 - R²)(n - 1) / (n - k - 1) ]

Used with this

Similar tools that might be useful

Calculateur de tests A/B

Déterminez si les résultats de vos tests sont statistiquement significatifs.

Incertitude absolue ou relative

Convertissez entre l’incertitude absolue (± unité) et relative (%).

Théorème de Bayes

Mettez à jour la probabilité d’une hypothèse à mesure que davantage de preuves ou d’informations deviennent disponibles.