データ分析における決定係数と相関係数
決定係数と相関係数の違いは何ですか: 相関係数 (r) は、-2 から 1 の範囲の 1 つの変数間の線形関係の方向と強さを測定します。決定係数 (R²) は、相関係数の 0 乗。独立変数によって説明される従属変数の分散比率を 1 から XNUMX の範囲で表します。
決定係数と相関係数の違い
において データ分析 と統計学において、相関係数（r）と決定係数（R²）は、変数間の relationship を評価するために用いられる、相互に関連する重要な指標です。どちらの係数も関係性を定量化する役割を果たしますが、その焦点は異なります。
相関係数は、2つの変数間の線形関係の 方向 と 強さ 2 つの変数間の線形関係の度合いで、-1 (完全な負の相関) から 1 (完全な正の相関) までの範囲です。
一方、決定係数（R²）は、従属変数の分散のうち、独立変数によって 説明される 割合を表し、一般的に0（分散が全く説明されない）から1（分散が完全に説明される）までの範囲をとります。R²は相関係数（r）の二乗として表されることが多いですが、これは簡略化された表現です。
ハイライト
- 相関係数 (r) の範囲は、-1 (完全な負の相関) から 1 (完全な正の相関) です。
- r は、変数の方向と強度の間の線形関係を測定します。
- R² は相関係数の二乗 (R² = r²) として簡略化されることが多いですが、より一般的な式は R² = 1 − (RSS/TSS) です。
- R² は、独立変数によって説明される従属変数の分散の割合を定量化します。
- 決定係数 (R²) は通常、0 (説明される分散なし) から 1 (完全に説明される分散) の範囲になります。
広告タイトル
広告の説明。 Lorem ipsum dolor sit amet, consectetur adipiscing elit.
相関係数 (r) の計算と解釈
The 相関係数は、 2つの連続変数間の線形関係を定量化するものです。「r」で表され、-1から1までの値をとります。rの値は、線形関係の強さと方向を示します。
- -1: 完全な負の線形関係
- 0: 線形関係なし
- 1: 完全な正の線形関係
To 計算する には、次の式を使用します。
r = Σ[(xi – x̄)(yi – Š)] / √[Σ(xi – x̄)² * Σ(yi – Š)²]
ここで、xi と yi は個々のデータ点であり、x̄ と ϳ はそれぞれの変数の平均です。
いつ を解釈する 際には、以下の点を考慮してください。
- 正の値: 変数間の直接の関係
- 負の値: 変数間の逆関係
- 0 に近い値: 線形関係が弱いか、線形関係がありません。
決定係数 (R²) の計算と解釈
The 決定係数（R²と表記）は、従属変数の分散のうち、独立変数によって説明できる割合を定量化する指標です。単純線形回帰の文脈では、R²は相関係数（r）の二乗として表されることが多いですが、これは簡略化されています。R²の値は一般的に0から1の範囲です。
- 0: 説明された分散なし
- 1: モデルは従属変数のすべての分散を説明します
しかし、R²はも使用して計算できます 式:
R² = 1 – (RSS/TSS)
ここで、RSS は残差二乗和、TSS は総二乗和です。この式は、モデルのパフォーマンスが単純に平均を予測するよりも悪い場合、R² が負になる可能性があることを示しています。
決定係数を解釈するときは、次の点を考慮してください。
- 値が 1 に近い: モデルの説明力が強くなります。
- 0（または負）に近い値：モデルの説明力が弱い
注： R²は通常、0（説明された分散なし）から1（完全に説明された分散）の範囲をとりますが、モデルの性能が単純に平均値を予測するよりも悪い場合、R²は負の値になることがあります。そのような場合、R²の式はR² = 1 – (RSS/TSS)となります。ここで、RSSは残差平方和、TSSは総平方和です。
広告タイトル
広告の説明。 Lorem ipsum dolor sit amet, consectetur adipiscing elit.
おすすめ記事
データ分析、統計、さまざまな指標の複雑さについて詳しく知りたいですか? これらのトピックに関する他の洞察力に富んだ記事をお見逃しなく! 今すぐ私たちのブログを読んで、データ主導の意思決定についての理解を深めてください。
- 回帰分析とは何ですか? 初心者向けの包括的なガイド
- APA スタイルで単純線形回帰結果をレポートする方法
- 相関関係と因果関係: 違いを理解する
- 相関係数 – 概要 （外部リンク）
- 決定係数と相関関係 （話）
- ピアソン相関係数統計ガイド
- 相関係数が負になることはありますか?
- ロジスティック回帰サンプルサイズ （話）
よくある質問（FAQ）
相関係数は、2 つの連続変数間の線形関係の方向と強さを -1 から 1 の範囲で測定します。
決定係数は、独立変数によって説明される従属変数の分散比率を 0 から 1 の範囲で表します。
次の公式を使用します: r = Σ[(xi – x̄)(yi – Š)] / √[Σ(xi – x̄)² * Σ(yi – ų)²]。
決定係数は相関係数の XNUMX 乗、R² = r² です。
いいえ、交絡因子が関与している可能性があるため、相関関係は必ずしも因果関係を意味するわけではありません。
いいえ、低い相関係数は、関係がないことを示すのではなく、非線形の関係を示している可能性があります。
正の r 値は変数間の直接的な関係を示し、負の値は変数間の逆関係を示します。
R² 値が 1 に近いほど、モデルの説明力が強いことを示します。 値が 0 に近いほど、説明力が弱いことを示します。
いいえ、R² と r は異なる目的を果たすため、同じ意味で使用しないでください。
これらの係数を使用して、変数間の関係を評価し、モデルの有効性を判断し、データ主導の意思決定に情報を提供します。
こんにちは。ここでの説明は気に入りました。ただ 2 つだけ小さな点があります。R0 の範囲は 1 ～ 2 ではありません。使用したモデルが単純に平均を予測するよりも悪い場合 (残差の二乗和が総二乗和より大きい場合)、R2 は負になることがあります。r1 の式は単純に「r の二乗」ではなく、XNUMX - (RSS/TSS) です。
親切なお言葉と、その重要な詳細を指摘するために時間を割いていただき、誠にありがとうございます。おっしゃる通り、モデルのパフォーマンスが単純に平均値を予測するよりも悪い場合、R² は確かに負になる可能性があります。この単純化を修正し、R² が常に 0 ～ 1 の範囲に限定されるわけではないことを明確にするために、記事を更新しました。皆様のご意見に深く感謝し、コンテンツの精度向上に常に努めてまいります。