|
사용된 유용한 변수의 수를 고려하여 설명력을 계산할 수 있는 방법을 생성해야 하는데
이를 위한 방법이 adj-R2값이다. 1. 결정계수 R-sq의 정의
2. 상관계수 R의 정의
3. adj R-sq의 정의
4. adj R-sq을 구하는 이유는?
5. RMS(Root Mean Square) Error
|
|
|
Sq = 42.9% R-Sq(adj) = 42.7%
- 최종 결론
Regression Analysis: has versus secons, NEWERSE-cons
The regression equation is
has = 5.20 + 2.04 secons + 7.17 NEWERSE-cons
Predictor Coef SE Coef T P
Constant 5.200 2.198 2.37 0.019
secons 2.0395 0.3218 6.34 0.000
NEWERSE-cons 7.1700 0.6139 11.68 0.000
S =
|
|
|
--
최적 회귀 모형을 실시
Best Subsets Regression: Y versus X1, X3, X2
Response is Y
X X X
Vars R-Sq R-Sq(adj) C-p S 1 3 2
1 46.9 44.8 126.9 88.333 X
1 39.7 37.3 147.1 94.089 X
2 83.3 81.9 26.2 50.581 X X
2 55.7 52.1 103.9 82.294 X X
3 91.9 90.8 4.0 36.071 X X X
추가적으로 회귀분석을 시행해
|
|
|
tal 6 453.20857
Root MSE 4.06723 R-square 0.8175
Dep Mean -15.18571 Adj R-sq 0.7810
Parameter Estimates
Parameter Standard T for H0:
Variable DF Estimate Error Parameter=0 Prob > |T|
INTERCEP 1 227.615520 51.32778407 4.435 0.0068
T 1 -80703 17052.863622 -4.733 0.0052
모형 : RlnPv = -80703(1/T) +
|
|
|
X1(홈런)과 X5(단타율)로 나타났다.
다음은 X1(홈런)과 X5(단타율)로 휘귀 적합한 결과이다.
<표 6> 최종 회귀적합 결과
위와 같이 최종적으로 두 개 변수로 모형 적합한 결과, F-VALUE값이 유의하고 Adj R-Sq값이 61.45%로 나타났다. 즉, 이모형 적합
|
|
메뉴펼치기
