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 diwakili sebagai berikut,
R 2 = ((1 / N) * Σ ((xi - x) * (Yi - y)) / (σx * σy)) 2
Dimana
- R 2 = Adjusted R square dari persamaan regresi
- N = Banyaknya pengamatan pada persamaan regresi
- Xi = Variabel independen dari persamaan regresi
- X = Rata-rata variabel independen dari persamaan regresi
- Yi = Variabel dependen dari persamaan regresi
- Y = Rata-rata 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 Excel menghasilkan seluruh output bersama dengan Adjusted R 2. Ini adalah kasus tertentu di mana sulit untuk menyediakan pekerjaan 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 Adjusted R 2, seseorang dapat menilai apakah data dalam persamaan regresi cocok. Semakin tinggi Adjusted R 2 semakin baik persamaan regresinya karena hal ini mengimplikasikan bahwa variabel bebas yang dipilih untuk menentukan variabel terikat dapat menjelaskan variasi variabel terikat.
Nilai R 2 yang dimodifikasi juga bisa negatif, meskipun tidak selalu negatif. Dalam R square yang disesuaikan, nilai R square akan naik dengan penambahan variabel independen hanya jika variasi variabel independen mempengaruhi variasi variabel dependen. Ini tidak dapat diterapkan dalam kasus R 2, hanya relevan dengan nilai R 2 yang disesuaikan.
Contoh
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 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 dependen dan variabel mana yang merupakan variabel independen. Variabel terikat dalam persamaan regresi ini adalah jarak tempuh pengemudi truk, dan variabel bebasnya adalah usia pengemudi truk. Dengan menjalankan regresi dengan variabel, kami 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 variabel independen menjelaskan 65% variasi dalam variabel dependen. Idealnya, 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 badan siswa di suatu kelas dan nilai IPK siswa tersebut. Dalam contoh khusus ini, kita akan melihat variabel mana yang merupakan variabel dependen dan variabel mana yang merupakan variabel independen. 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 berarti bahwa variabel independen tidak menjelaskan variasi variabel dependen. Idealnya, peneliti akan mencari koefisien determinasi yang paling mendekati 100%.
Penafsiran
Adjusted R square merupakan keluaran yang signifikan untuk mengetahui apakah data set tersebut sesuai atau tidak. Seseorang 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 yang dipilih untuk menentukan variabel dependen dipilih dengan tepat. Idealnya, peneliti akan mencari koefisien determinasi yang paling mendekati 100%.
