Qu'est-ce que R-Squared?

R-carré (R² ou le coefficient de détermination) est une mesure statistique dans un modèle de régression qui détermine la proportion de variance dans la variable dépendante qui peut être expliquée par la variable indépendante Variable indépendante Une variable indépendante est une entrée, une hypothèse ou un inducteur qui est modifiée afin d'évaluer son impact sur une variable dépendante (le résultat). . En d'autres termes, le r-carré montre dans quelle mesure les données correspondent au modèle de régression (la qualité de l'ajustement).

R au carré

Figure 1. Sortie de régression dans MS Excel

Le R au carré peut prendre n'importe quelle valeur entre 0 et 1. Bien que la mesure statistique fournisse des informations utiles concernant le modèle de régression, l'utilisateur ne doit pas se fier uniquement à la mesure dans l'évaluation d'un modèle statistique. La figure ne divulgue pas d'informations sur la relation de causalité entre les variables indépendantes et dépendantes Variable dépendante Une variable dépendante est une variable qui changera en fonction de la valeur d'une autre variable, appelée variable indépendante. .

De plus, cela n'indique pas l'exactitude du modèle de régression. Par conséquent, l'utilisateur doit toujours tirer des conclusions sur le modèle en analysant le r-carré avec les autres variables dans un modèle statistique.

Interprétation de R-Squared

L'interprétation la plus courante du r-carré est l'adéquation du modèle de régression aux données observées. Par exemple, un r-carré de 60% révèle que 60% des données correspondent au modèle de régression. En général, un r-carré plus élevé indique un meilleur ajustement pour le modèle.

Cependant, il n'est pas toujours vrai qu'un r-carré élevé soit bon pour le modèle de régression. La qualité de la mesure statistique dépend de nombreux facteurs, tels que la nature des variables utilisées dans le modèle, les unités de mesure des variables et la transformation des données appliquée. Ainsi, parfois, un r-carré élevé peut indiquer les problèmes avec le modèle de régression.

Un faible r-carré est généralement un mauvais signe pour les modèles prédictifs. Cependant, dans certains cas, un bon modèle peut afficher une petite valeur.

Il n'y a pas de règle universelle sur la manière d'incorporer la mesure statistique dans l'évaluation d'un modèle. Le contexte de l'expérience ou des prévisions Méthodes de prévision Principales méthodes de prévision. Dans cet article, nous expliquerons quatre types de méthodes de prévision des revenus que les analystes financiers utilisent pour prédire les revenus futurs. est extrêmement important et, dans différents scénarios, les informations de la métrique peuvent varier.

Comment calculer le R au carré

La formule pour calculer le R-carré est:

Où:

  • La régression SS est la somme des carrés due à la régression (somme expliquée des carrés)
  • Le total SS est la somme totale des carrés

Bien que les noms «somme des carrés due à la régression» et «somme totale des carrés» puissent sembler déroutants, les significations des variables sont simples.

La somme des carrés due à la régression mesure dans quelle mesure le modèle de régression représente les données utilisées pour la modélisation. La somme totale des carrés mesure la variation des données observées (données utilisées dans la modélisation de régression).

Lectures connexes

Finance est le fournisseur officiel de la certification FMVA® Financial Modeling and Valuation Analyst (FMVA) ™. Rejoignez plus de 350 600 étudiants travaillant pour des entreprises comme Amazon, JP Morgan et le programme de certification Ferrari, conçu pour transformer n'importe qui en analyste financier de classe mondiale.

Pour continuer à apprendre et à développer vos connaissances en analyse financière, nous vous recommandons vivement les ressources financières supplémentaires ci-dessous:

  • Concepts statistiques de base pour la finance Concepts statistiques de base pour la finance Une solide compréhension des statistiques est d'une importance cruciale pour nous aider à mieux comprendre la finance. De plus, les concepts de statistiques peuvent aider les investisseurs à surveiller
  • Modèles de modélisation financière
  • Analyse de régression Analyse de régression L'analyse de régression est un ensemble de méthodes statistiques utilisées pour estimer les relations entre une variable dépendante et une ou plusieurs variables indépendantes. Il peut être utilisé pour évaluer la force de la relation entre les variables et pour modéliser la relation future entre elles.
  • Types d'analyse financière Types d'analyse financière L'analyse financière consiste à utiliser des données financières pour évaluer la performance d'une entreprise et faire des recommandations sur la façon dont elle peut s'améliorer à l'avenir. Les analystes financiers effectuent principalement leur travail dans Excel, en utilisant une feuille de calcul pour analyser les données historiques et faire des projections Types d'analyse financière

Recommandé

Quel est le degré d'effet de levier total?
Qu'est-ce que les frais d'assurance?
Qu'est-ce que le London International Financial Futures and Options Exchange (LIFFE)?