r(相関係数)=Rを2乗すると Rスクエア になります。Rスクエア は決定係数とも呼ばれます。
この決定係数は「説明率」をあらわしています。つまり「%」として読むことができるのです。
例えば、相関係数(r)= R が0.70であれば、説明率は0.70をスクエアしたものになり、0.49になります。つまり説明率が49%になるのです。
これは「一方の変数」が「他方の変数」の「49%の動き」を説明することができるというふうに使います。
言い換えればこれは「あてはまりのよさ」をあらわしています。
回帰分析を行った結果として「回帰直線」が得られます。しかしながら、その直線の上にすべてのデータが乗っているわけではありません。
回帰直線は、データの右上がり(右下がり)の傾向を1本の直線で近似したものに過ぎません。
では直線であらわすことが、どれほどの正確さをもとつのでしょうか?(近似に成功しているのでしょうか?)
その傾向の強さ(線形性)をはかる尺度として,相関係数や決定係数があります。
相関係数は「r」であらわされます。
決定係数は「Rスクエア」としてあらわされます。
いずれも「より1に近いほど,直線性がある」と判断します.逆に「0に近ければ,直線的な傾向がない」と判断します。
この決定係数は「説明率」をあらわしています。つまり「%」として読むことができるのです。
例えば、相関係数(r)= R が0.70であれば、説明率は0.70をスクエアしたものになり、0.49になります。つまり説明率が49%になるのです。
これは「一方の変数」が「他方の変数」の「49%の動き」を説明することができるというふうに使います。
言い換えればこれは「あてはまりのよさ」をあらわしています。
回帰分析を行った結果として「回帰直線」が得られます。しかしながら、その直線の上にすべてのデータが乗っているわけではありません。
回帰直線は、データの右上がり(右下がり)の傾向を1本の直線で近似したものに過ぎません。
では直線であらわすことが、どれほどの正確さをもとつのでしょうか?(近似に成功しているのでしょうか?)
その傾向の強さ(線形性)をはかる尺度として,相関係数や決定係数があります。
相関係数は「r」であらわされます。
決定係数は「Rスクエア」としてあらわされます。
いずれも「より1に近いほど,直線性がある」と判断します.逆に「0に近ければ,直線的な傾向がない」と判断します。