ایڈجسٹڈ آر اسکوائر (مطلب ، فارمولا) | ایڈجسٹڈ R ^ 2 کا حساب لگائیں
ایڈجسٹڈ آر اسکوائر کیا ہے؟
ایڈجسٹڈ آر اسکوائرڈ سے مراد اعدادوشمار کا آلہ ہے جو سرمایہ کاروں کو متغیر کی مختلف حالت کی حد کی پیمائش کرنے میں مدد کرتا ہے جس کا انحصار ان آزادانہ متغیر کے ساتھ کیا جاسکتا ہے اور یہ صرف ان آزاد متغیر کے اثرات پر غور کرتا ہے جس کا تغیر پر اثر پڑتا ہے۔ منحصر متغیر کی.
ایڈجسٹڈ آر اسکوائرڈ یا ترمیم شدہ R ^ 2 انحصار متغیر کے فرق کی حد کا تعین کرتا ہے جسے آزاد متغیر کے ذریعہ بیان کیا جاسکتا ہے۔ ترمیم شدہ R ^ 2 کی خصوصیت یہ ہے کہ یہ ان تمام متغیرات کے اثرات کو نہیں گنتی جو انحصار متغیر کی تغیر کو متاثر کرتی ہے۔ ترمیم شدہ R ^ 2 کی قدر بھی منفی ہوسکتی ہے ، حالانکہ یہ زیادہ تر وقت منفی نہیں ہوتا ہے۔
ایڈجسٹڈ آر اسکوائر فارمولا
رجعت کے ایڈجسٹ R مربع کا حساب لگانے کے فارمولے کو ذیل میں پیش کیا گیا ہے ،
R ^ 2 = {(1 / N) * Σ [(xi - x) * (yi - y)] / (σx * )y) ^ ^ 2
کہاں
- R ^ 2 = رجعت مساوات کا ایڈجسٹ R مربع
- N = رجعت مساوات میں مشاہدات کی تعداد
- الیون = رجعت مساوات کا آزاد متغیر
- ایکس = رجریشن مساوات کے آزاد متغیر کا مطلب
- یی = رجعت مساوات کا انحصار متغیر
- Y = رجعت مساوات کے منحصر متغیر کا مطلب
- =x = آزاد متغیر کا معیاری انحراف
- =y = منحصر متغیر کا معیاری انحراف۔
براہ مہربانی نوٹ کریں
ایکسل میں اس کا حساب لگانے کے ل it اسے ایکسل میں y اور x متغیر فراہم کرنے کی ضرورت ہے اور ایکسل کے ذریعہ ایڈجسٹڈ آر ^ 2 کے ساتھ پوری آؤٹ پٹ تیار کی گئی ہے۔ یہ ایک خاص معاملہ ہے جہاں دوسرے فارمولوں کے برعکس ٹیکسٹ فارمیٹ میں آؤٹ پٹ فراہم کرنا مشکل ہے۔
تشریح
ایڈجسٹڈ آر اسکوائر ، انحصار متغیر کے فرق کی حد کا تعین کرتا ہے جس کی وضاحت متغیر کے ذریعہ کی جاسکتی ہے۔ ایڈجسٹ آر ^ 2 ویلیو کو دیکھ کر کوئی فیصلہ کرسکتا ہے کہ رجعت مساوات میں ڈیٹا ایک اچھا فٹ ہے یا نہیں۔ ایڈجسٹ آر Higher 2 اعلی رجعت مساوات سے بھی زیادہ ہے کیونکہ اس سے یہ ظاہر ہوتا ہے کہ منحصر متغیر کا تعین کرنے کے لئے منتخب کردہ آزاد متغیر منحصر متغیر میں تغیر کی وضاحت کرنے کے قابل ہے۔
نظر ثانی شدہ R ^ 2 کی قدر بھی منفی ہوسکتی ہے ، حالانکہ یہ زیادہ تر وقت منفی نہیں ہوتا ہے۔ ایڈجسٹڈ آر اسکوائر کے معاملے میں ، ایڈجسٹ آر اسکوائر کی ویلوئپ ایک آزاد متغیر کے اضافے کے ساتھ اسی وقت بڑھ جائے گی جب آزاد متغیر کی تغیر منحصر متغیر میں تغیر پر اثر ڈالے۔ یہ آر ^ 2 کی صورت میں قابل اطلاق نہیں ہے ، صرف ایڈجسٹ آر R 2 کی قیمت پر لاگو ہوتا ہے۔
مثالیں
آپ یہ ایڈجسٹڈ آر اسکوائرڈ فارمولا ایکسل ٹیمپلیٹ ڈاؤن لوڈ کرسکتے ہیں۔ ایڈجسٹڈ آر اسکوائرڈ فارمولا ایکسل ٹیمپلیٹمثال # 1
آئیے ہم مثال کی مدد سے ایڈجسٹ آر R 2 کے تصور کو سمجھنے اور سمجھنے کی کوشش کرتے ہیں۔ آئیے یہ جاننے کی کوشش کریں کہ ٹرک ڈرائیور کے فاصلے اور ٹرک ڈرائیور کی عمر کے درمیان کیا تعلق ہے۔ کوئی دراصل ریگریشن مساوات کی تصدیق کرنے کے لئے کرتا ہے کہ آیا وہ جو دو متغیر کے مابین تعلقات کے بارے میں سوچتا ہے ، اسے رجعت مساوات سے بھی توثیق کیا جاتا ہے۔
اس خاص مثال میں ، ہم دیکھیں گے کہ کون سا متغیر منحصر متغیر ہے اور کون سا متغیر آزاد متغیر ہے۔ اس رجعت مساوات میں منحصر متغیر ٹرک ڈرائیور کی طرف سے احاطہ کیا ہوا فاصلہ ہے اور آزاد متغیر ٹرک ڈرائیور کی عمر ہے۔ متغیرات کے ساتھ رجعت چلانے سے ہم نے ایڈجسٹ آر مربع کو 65٪ کردیا۔ ذیل میں اسنیپ شاٹ میں متغیر کے ل for رجعت آؤٹ پٹ کو دکھایا گیا ہے۔ ڈیٹا سیٹ اور متغیرات کو منسلک ایکسل شیٹ میں پیش کیا جاتا ہے۔
اس رجعت کے ل 65 65 of کی ایڈجسٹ آر ^ 2 ویلیو سے یہ ظاہر ہوتا ہے کہ انحصار متغیر میں 65٪ تغیر آزاد متغیر کے ذریعہ بیان کیا گیا ہے۔ مثالی طور پر ، ایک محقق عزم کے قابلیت کی تلاش کرے گا جو 100٪ کے قریب ہے۔
مثال # 2
آئیے ایک اور مثال کی مدد سے ایڈجسٹڈ آر اسکوائر کے تصور کو سمجھنے اور سمجھنے کی کوشش کریں۔ آئیے ہم یہ جاننے کی کوشش کریں کہ کلاس کے طلباء کی اونچائی اور ان طلباء کے جی پی اے گریڈ کے درمیان کیا تعلق ہے۔ اس خاص مثال میں ، ہم دیکھیں گے کہ کون سا متغیر منحصر متغیر ہے اور کون سا متغیر آزاد متغیر ہے۔ اس رجعت مساوات میں منحصر متغیر طلباء کا جی پی اے ہے اور آزاد متغیر طلبا کی اونچائی ہے۔
متغیرات کے ساتھ رجعت چلانے سے ہمیں ایڈجسٹڈ آر ^ 2 مل گیا جس کو نہ ہونے کے برابر یا منفی بنایا جائے۔ ذیل میں اسنیپ شاٹ میں متغیر کے ل for رجعت آؤٹ پٹ کو دکھایا گیا ہے۔ ڈیٹا سیٹ اور متغیرات کو منسلک ایکسل شیٹ میں پیش کیا جاتا ہے۔
ایڈجسٹڈ آر ^ 2 ویلیو اس رجعت کے لئے نہ ہونے کے برابر ہے جس کا مطلب ہے کہ منحصر متغیر میں تغیر آزاد متغیر کے ذریعہ بیان نہیں کیا گیا ہے۔ مثالی طور پر ، ایک محقق عزم کے قابلیت کی تلاش کرے گا جو 100٪ کے قریب ہے۔
تشریح
ایڈجسٹڈ آر اسکوائر ایک بہت اہم آؤٹ پٹ ہے تاکہ یہ معلوم کرنے کے لئے کہ آیا ڈیٹا سیٹ اچھا فٹ ہے یا نہیں۔ کسی نے دراصل ریگریشن مساوات کی توثیق کی ہے کہ آیا وہ جو دو متغیر کے مابین تعلقات کے بارے میں سوچتا ہے ، اسے رجعت مساوات سے بھی توثیق کیا جاتا ہے۔ قیمت زیادہ ، بہتر رجعت مساوات کے طور پر اس سے یہ ظاہر ہوتا ہے کہ منحصر متغیر کا تعین کرنے کے لئے منتخب کردہ آزاد متغیر کا صحیح انتخاب کیا جاتا ہے۔ مثالی طور پر ، ایک محقق عزم کے قابلیت کی تلاش کرے گا جو 100٪ کے قریب ہے۔
