Регрессия к среднему. Что за формула? Встретил на просторах интернета такой вот абзац: The R2 value here is 0.609 which is ok but not great. The % regression to the mean is calculated as follows
% regression to the mean = 100% x (1 – R) = 1 – (0.608)1/2 = 100 x (1 – 0.779) = 22.1%
Только что то на просторах рунета не могу найти внятного объяснения что это на самом деле.
1. Прав ли я буду если назову это регрессией к среднему ?
2. Как автор получил 0.779 ?
3. Как расчитан коэффицент R2 и почему в формуле используется просто R, а не R2Оригинал статьи
Регрессия к среднему. Что за формула? Встретил на просторах интернета такой вот абзац: The R2 value here is 0.609 which is ok but not great. The % regression to the mean is calculated as follows
% regression to the mean = 100% x (1 – R) = 1 – (0.608)1/2 = 100 x (1 – 0.779) = 22.1%
Только что то на просторах рунета не могу найти внятного объяснения что это на самом деле.
1. Прав ли я буду если назову это регрессией к среднему ?
2. Как автор получил 0.779 ?
3. Как расчитан коэффицент R2 и почему в формуле используется просто R, а не R2Оригинал статьи
% regression to the mean = 100% x (1 – R) = 1 – (0.608)1/2 = 100 x (1 – 0.779) = 22.1%
Только что то на просторах рунета не могу найти внятного объяснения что это на самом деле.
1. Прав ли я буду если назову это регрессией к среднему ?
2. Как автор получил 0.779 ?
3. Как расчитан коэффицент R2 и почему в формуле используется просто R, а не R2Оригинал статьи
Похожие вопросы
Не можешь разобраться в этой теме?
Обратись за помощью к экспертам
Гарантированные бесплатные доработки в течение 1 года
Быстрое выполнение от 2 часов
Проверка работы на плагиат
Поможем написать учебную работу
Да, вы правильно называете это регрессией к среднему. Этот термин используется для описания явления, когда экстремальные значения наблюдений в выборке имеют тенденцию приближаться к среднему значению с увеличением числа измерений.
Автор вероятно ошибся при расчете итогового значения. Правильный расчет должен быть следующим: % regression to the mean = 100% x (1 – R) = 100 x (1 – 0.609) = 39.1%
Коэффициент R2 обычно используется для оценки качества подгонки модели регрессии к данным. Он показывает, какой процент дисперсии зависимой переменной объясняется независимыми переменными в модели. В данном случае, автор вероятно использовал R вместо R2 по ошибке.