Kandungan
Pekali penentuan, R², digunakan dalam teori regresi linear dalam statistik sebagai ukuran seberapa baik persamaan regresi sesuai dengan data. Ini adalah kuasa dua R, pekali korelasi, yang memberi kita tahap korelasi antara pemboleh ubah bersandar, Y, dan pemboleh ubah bebas X. The R berkisar antara -1 hingga +1. Sekiranya R sama dengan 1, maka Y berkadar sempurna dengan X, jika nilai X meningkat dengan tahap tertentu, maka nilai Y meningkat dengan darjah yang sama. Sekiranya R sama dengan -1, maka ada korelasi negatif sempurna antara Y dan X. Sekiranya X meningkat, maka Y akan menurun dalam perkadaran yang sama. Sebaliknya, jika R = 0, maka tidak ada hubungan linear antara X dan Y. R² berkisar antara 0 hingga 1. Ini memberi kita idea tentang seberapa baik persamaan regresi kita sesuai dengan data. Sekiranya R² sama dengan 1, maka garis pas terbaik kami melewati semua titik dalam data, dan semua variasi nilai Y yang diperhatikan dijelaskan oleh hubungannya dengan nilai X. Contohnya, jika kita mempunyai R² di nilai 0.80, maka 80% variasi nilai Y dijelaskan oleh hubungan linear mereka dengan nilai X yang diperhatikan.
Langkah 1
Hitung jumlah produk nilai X dan Y, dan kalikan nilai itu dengan "n". Kurangkan nilai ini dari produk jumlah nilai X dan Y. Mewakili nilai ini dengan S1, kita mempunyai S1 = n (XY) - (X) (Y).
Langkah 2
Hitung jumlah kuadrat dari nilai X, kalikan dengan "n", dan tolak nilai kuasa dua itu dari jumlah nilai X. Nyatakan ini dengan P1, di mana P1 = n (X2) - (X) 2. Ambil punca kuasa dua P1, yang akan kita wakili oleh P1.
Langkah 3
Hitung jumlah kuadrat dari nilai Y, kalikan dengan "n", dan tolak nilai itu dari kuadrat jumlah nilai Y. Nyatakan ini dengan Q1, di mana Q1 = n (Y2) - (Y) 2. Ambil akar kuadrat Q1, yang akan kami wakili oleh Q1 '.
Langkah 4
Hitung R, pekali korelasi, membahagi S1 dengan produk P1 dan Q1 ', di mana R = S1 / (P1' * Q1 ').
Langkah 5
Ambil kuasa dua R untuk mendapatkan R2, pekali penentuan.