调整的R方_如何选择回归模型

Post author:xfxia
Post published:2023年9月30日
Post category:其他

sklearn实战-乳腺癌细胞数据挖掘

(博客主亲自录制视频教程)

https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

1.选择最简单模型

如果不能满足：

增加参数，增加R**2

判断是否overfittiing

调整R方，BIC，AIC（选择较小ＢＩＣ或ＡＩＣ值）

R方不能比较参数不同模型，但调整后R方可以比较不同参数模型

如果添加一个新的变量，但调整R方变小，这个变量就是多余的

如果

添加一个新的变量，但调整R方变大，这个变量就是有用的

R^2很小得谨慎，说明你选的解释变量解释能力不足，有可能有其他重要变量被纳入到误差项。可尝试寻找其他相关变量进行多元回归

这个问题在伍德里奇的书里有说明，可绝系数只是判断模型优劣的指标之一，而不是全部，特别是当使用微观数据，样本量比较大的时候，可绝系数可以很小，但这并不能表示模型就差。

显著但是R值小，要考虑不同的专业背景。

有的专业确实比较小，楼主的例子，我觉得这个大小就能接受了。

态度与行为之间的影响因素非常多，态度能解释行为11-15%已经不小了。

F检验是对整个模型而已的，看是不是自变量系数不全为0，而t检验则是分别针对某个自变量的，看每个自变量是否有显著预测效力。

调整R方VS样本量VS变量数量

样本量越大，调整的R方惩罚机制越小，调整的R方越大

样本量越小，调整的R方惩罚机制越大，调整的R方越小

变量越多，惩罚机制越严重，调整R方越小

变量越少，惩罚机制越严小，调整R方越大

n=13 样本

p=2 变量数量

adjR2=rSquared-(1-rSquared)*((p-1)/(n-p))=0.63-(1-0.63)

rSquared=0.63109603807606962

rSquared_adj=0.59755931426480324

n=13 样本

n越大，(n-p)大，(p-1)/(n-p)越小，(1-rSquared)*((p-1)/(n-p))越小，rSquared-(1-rSquared)*((p-1)/(n-p))越大，即样本量越大，调整R方越大，变量解释力度越大。

p=2 变量数量

参数多，p大，（P-1）越大，（n-p）越小

，(p-1)/(n-p)越大，

rSquared-(1-rSquared)*((p-1)/(n-p)) 越小，即adjR2越小。所以变量越多，惩罚机制越严重，调整R方越小

测试Python脚本

导入excel数据

import pandas as pd
df=pd.read_excel("土壤沉淀物吸收能力采样数据-不存在共线性.xlsx") 
array_values=df.values
x1=[i[0] for i in array_values]
x2=[i[1] for i in array_values]

df = pd.DataFrame({'x':x1, 'y':x2})
# Fit the model
model = ols("y~x", df).fit()
rSquared_adj=model.rsquared_adj
rSquared=model.rsquared


n=13 #样本
p=2  #变量数量
adjR2=rSquared-(1-rSquared)*((p-1)/(n-p))


#最终adjR2和rSquared_adj是相等的