Düzeltilmiş R Kare
Adj R2 / Adjusted R2 / R2adj
Tanım
🔹 1. (adj R2):
Regresyon modeline eklenen her yeni bağımsız değişkenin modelin uyum iyiliğini yapay olarak şişirmesini cezalandırarak, model karmaşıklığını dengeleyen istatistiksel bir uyum ölçüsüdür.
🔹 2. (adjusted R2):
Çoklu regresyon modellerinde, modeldeki bağımsız değişken sayısının ve örneklem büyüklüğünün serbestlik derecelerine göre uyarlanmasıyla elde edilen ve evrendeki gerçek varyans açıklama oranını tahmin eden düzeltilmiş determinasyon katsayısı.
🔹 3. (R2adj):
Çoklu doğrusal regresyon modellerinde, modele eklenen her yeni bağımsız değişkenin modelin açıklayıcılığını yapay olarak artırmasını cezalandıran ve model uyumunu daha gerçekçi değerlendiren istatistiksel bir katsayıdır.
Örnek Vaka / Uygulama
🔹 1. (adj R2): Bir nöropsikolog, hastaların bellek performansını tahmin etmek için önce tek bir test skoru (yaş) ile bir regresyon modeli kurar ve R-kare değerini 0.45 bulur. Ardından modele ayakkabı numarası, saç rengi ve boy uzunluğu gibi klinik olarak anlamlı olmayan üç değişken daha ekler. Standart R-kare 0.48'e yükselirken, Düzeltilmiş R-kare eklenen gereksiz değişkenler yüzünden 0.41'e düşer. Bu düşüş, araştırmacıya modelin genellenebilirliğinin azaldığını ve gereksiz karmaşıklık içerdiğini gösterir. 🔹 2. (adjusted R2): Bir klinik psikolog, depresyon skorlarını yordamak için önce sadece 'stres düzeyi' değişkenini içeren bir regresyon modeli kurar ve R² değerini 0.40 bulur. Ardından modele teorik olarak hiçbir anlamı olmayan 'ayakkabı numarası' değişkenini ekler. Standart R² değeri 0.41'e yükselir; bu durum dışarıdan bakan biri için modelin iyileştiği izlenimi yaratır. Ancak Düzeltilmiş R² değeri, modele eklenen işlevsiz değişken nedeniyle cezalandırma uygulayarak 0.38'e düşer ve modelin aslında kötüleştiğini doğru bir şekilde ortaya koyar. 🔹 3. (R2adj): Bir klinik psikoloji araştırmacısı, depresyon skorunu yordamak için önce sadece 'yaş' değişkenini modele ekler ve R kare değerini 0.35 bulur. Ardından modele teorik olarak hiçbir anlamı olmayan 'ayakkabı numarası' ve 'göz rengi' gibi 10 farklı rastgele değişken ekler. Standart R kare 0.38'e yükselir ancak Düzeltilmiş R kare, model karmaşası cezası nedeniyle 0.31'e düşer. Araştırmacı böylece yeni değişkenlerin modele gerçek bir katkı sağlamadığını anlar.
Derin Analiz
🔹 1. (adj R2):
Çoklu doğrusal regresyon analizlerinde standart R-kare ($R^2$), modele yeni bir öngörücü değişken eklendiğinde asla azalmaz; değişken rastgele olsa dahi örneklem verisine daha iyi uyum sağladığı için değeri yükselir. Düzeltilmiş R-kare ise modeldeki serbestlik derecelerini (örneklem büyüklüğü ve tahmin edilen parametre sayısı) hesaba katarak cezalandırma mekanizması uygular. Matematiksel olarak, toplam serbestlik derecesine bölünen hata varyansı ile toplam varyans oranlanır. Eğer modele eklenen yeni değişken, modelin açıklayıcılığını rastlantısallık eşiğinin üzerinde artırmıyorsa, Düzeltilmiş R-kare değeri düşer. Bu yönüyle model seçimi ve aşırı öğrenmenin (overfitting) önlenmesinde kritik bir istatistiksel kriterdir.
🔹 2. (adjusted R2):
Standart R-kare (R²), modele her yeni bağımsız değişken eklendiğinde, bu değişkenin modelin açıklayıcılığına hiçbir katkısı olmasa bile matematiksel zorunluluk olarak artar veya sabit kalır. Bu durum aşırı öğrenmeye (overfitting) zemin hazırlar. Düzeltilmiş R² ise model karmaşıklığını ve örneklem boyutunu hesaba katarak cezalandırma mekanizması uygular. Formülasyonundaki serbestlik derecesi oranları sayesinde, modele eklenen anlamsız öngörücülerin katsayısını düşürür. Modelin evrendeki (popülasyondaki) gerçek açıklayıcılık gücünü yansıtması açısından istatistiksel analizlerde standart R² değerinden çok daha güvenilir bir ölçüttür.
🔹 3. (R2adj):
Standart R kare ($R^2$), modele öngörücü değişkenler eklendikçe, veri gürültülü olsa dahi matematiksel olarak asla düşmez; aksine her zaman artma eğilimi gösterir. Bu durum aşırı öğrenmeye (overfitting) zemin hazırlar. Düzeltilmiş R kare ise serbestlik derecesini (degrees of freedom) hesaba katarak bu hatayı düzeltir. Formüldeki örneklem boyutu ($n$) ve bağımsız değişken sayısı ($p$) oranlaması sayesinde, modelin açıklama gücü gerçekten anlamlı bir artış kaydetmediği sürece katsayı düşer. Ekonometri, psikometri ve nicel veri analizlerinde model karşılaştırması yaparken kullanılan en kritik güvenilirlik metriklerinden biridir.
Etimoloji
🔹 1. (adj R2):
İngilizce 'adjusted' (ayarlanmış, düzeltilmiş) kelimesi ile regresyon modelinde varyansın açıklanma oranını simgeleyen 'R' harfinin karesinden türetilmiştir.
🔹 2. (adjusted R2):
İngilizce 'adjust' (ayarlamak, düzeltmek) fiilinden türetilen 'adjusted' sıfatı ile, determinasyon katsayısını simgeleyen 'R' harfinin karesi ifadesinin birleşmesinden oluşur.
🔹 3. (R2adj):
Latince 're-' (geri, tekrar) ve 'adiuvare' (yardım etmek, düzeltmek, ayarlamak) köklerinden türetilen matematiksel bir semboldür.
Karıştırmayın
🔹 1. (adj R2):
Standart R-kare ($R^2$) ile karıştırılır; standart R-kare değişken sayısı arttıkça sürekli artarken, Düzeltilmiş R-kare modelin gerçek açıklayıcılık gücünü yansıtmak için cezalandırma uygular.
🔹 2. (adjusted R2):
Standart R Kare (R²) ile sıkça karıştırılır. Temel fark, standart R²'nin model karmaşıklığını cezalandırmaması ve her yeni değişkenle artma eğiliminde olmasıdır; düzeltilmiş R² ise modelin parsimoni (tutumluluk) ilkesine uyumunu gözetir.
🔹 3. (R2adj):
Standart R Kare ($R^2$) ile karıştırılır. Standart R kare modele eklenen her değişkenle artarken, Düzeltilmiş R kare yalnızca modelin genel açıklayıcılığını anlamlı ölçüde artıran değişkenlerle yükselir.
Keşfetmeye Devam Edin
Aşırı Öğrenme
Aşırı Öğrenme
Overlearning
Bir becerinin veya bilginin ilk kez hatasız bir şekilde öğrenildiği noktanın ötesinde de pratik edilmeye devam edilmesidir.
İncele
Serbestlik Derecesi
Serbestlik Derecesi
Degrees Of Freedom / Df
🔹 1. (degrees of freedom): İstatistiksel bir hesaplamada, değerleri kısıtlanmaksızın bağımsız olarak değişebilen ve parametre tahminine katkı sağlayan veri birimlerinin sayısı. 🔹 2. (df): İstatistiksel tahminlerde veya hipotez testlerinde, değerleri hesaplanırken bağımsız olarak değişebilen veri noktası veya parametre sayısı.
İncele
Akaike Bilgi Kriteri
Akaike Bilgi Kriteri
Akaike’s İnformation Criterion (AIC)
Verilen bir veri seti için iki veya daha fazla istatistiksel modelin uyum iyiliğini, modeldeki parametre sayısını cezalandırarak karşılaştıran bir özet istatistiktir.
İncele