R-Squared vs. justerad R-Squared: En översikt
R-kvadrat (R 2) och justerat R-kvadrat gör det möjligt för en investerare att mäta värdet på en fonder mot värdet på ett riktmärke. Investerare kan också använda denna beräkning för att mäta sin portfölj mot ett visst riktmärke.
Dessa värden sträcker sig mellan 0 och 100. Den resulterande siffran indikerar inte hur bra en viss grupp av värdepapper presterar, och den mäter bara hur nära avkastningen från innehaven är i linje med den i det uppmätta riktmärket.
R-kvadrat - även känd som bestämningskoefficienten - är ett statistiskt analysverktyg som används för att förutsäga det framtida utfallet av en investering och hur nära den anpassar sig till en enstaka uppmätt modell.
Justerat R-kvadrat jämför jämförelsens investering med flera uppmätta modeller.
R-Squared
R-kvadrat kan inte verifiera huruvida koefficienten för bollparkens siffror och dess förutsägelser är skadade. Det visar inte heller om en regressionsmodell är tillfredsställande; det kan visa en R-kvadratisk figur för en bra modell eller en hög R-kvadratisk figur för en modell som inte passar. Ju lägre värde på R 2 desto mindre korrelerar de två variablerna med varandra. Resultat som är högre än 70% indikerar vanligtvis att en portfölj följer det uppmätta riktmärket. Högre R-kvadratvärden indikerar också tillförlitligheten för betavläsningar. Beta mäter volatiliteten för en säkerhet eller en portfölj.
En viktig skillnad mellan R-kvadrat och den justerade R-kvadraten är att R2 antar varje oberoende variabel - riktmärke - i modellen förklarar variationen i den beroende variabeln - fond eller portfölj. Det ger den procentuella förklarade variationen som om alla oberoende variabler i modellen påverkar den beroende variabeln. I den verkliga världen händer detta en-till-en-relation sällan. Justerad R-kvadrat ger däremot procentandelen variation som förklaras av endast de oberoende variabler som i verkligheten påverkar den beroende variabeln.
R-Squared används ofta med statistiska linjära regressioner för att förutsäga aktiekursrörelser, men det är bara en av många tekniska indikatorer som handlare bör ha i sina arsenaler. Investopedias kurs för teknisk analys ger en omfattande översikt över tekniska indikatorer och diagrammönster med över fem timmars video on-demand. Du lär dig alla de mest populära teknikerna och hur du använder dem på verkliga marknader för att maximera riskjusterade avkastningar.
Justerad R-kvadrat
Den justerade R-kvadraten jämför den beskrivande kraften hos regressionsmodeller - två eller flera variabler - som innehåller ett varierat antal oberoende variabler - känd som en prediktor. Varje prediktor eller oberoende variabel som läggs till i en modell ökar R-kvadratvärdet och minskar aldrig det. Så en modell som innehåller flera prediktorer kommer att returnera högre R2-värden och kan tyckas passa bättre. Detta resultat beror dock på att det inkluderar fler villkor.
Den justerade R-kvadraten kompenserar för tillsatsen av variabler och ökar endast om den nya prediktorn förbättrar modellen över vad som skulle erhållas med sannolikhet. Omvänt kommer det att minska när en prediktor förbättrar modellen mindre än vad som förutses av en slump.
När för få datapunkter används i en statistisk modell kallas det för överpassning. Överpassning kan ge ett oberättigat högt R-kvadratvärde. Denna felaktiga siffra kan leda till en minskad förmåga att förutsäga resultat. Den justerade R-kvadraten är en modifierad version av R2 för antalet prediktorer i en modell. Den justerade R-kvadraten kan vara negativ men är inte alltid.
Medan ett R-kvadratvärde mellan 0 och 100 och visar det linjära förhållandet i dataprovet även om det inte finns något grundläggande förhållande, ger det justerade R-kvadratet den bästa uppskattningen av graden av relation i grundpopulationen.
För att visa sambandet mellan modeller med R-kvadrat, välj modellen med den högsta gränsen. Men det bästa och enklaste sättet att jämföra modeller är att välja en med den mindre justerade R-rutan. Justerad R-kvadrat är inte en typisk modell för att jämföra icke-linjära modeller utan visar i stället flera linjära regressioner.
Key Takeaways
- En huvudskillnad mellan R-kvadrat och den justerade R-kvadraten är att R-kvadrat antar att varje oberoende variabel i modellen förklarar variationen i den beroende variabeln. R-kvadrat kan inte verifiera om koefficienten i parkeringssiffran och dess förutsägelser är fördomade. Den justerade R-kvadraten är en modifierad version av R-kvadrat för antalet prediktorer i en modell.
