如何在 R 中计算调整后的 R 平方

如果有什么问题和项目作业关于R语言，可以微信call我：RunsenLiu

R 平方，通常写成 R 2，是响应变量中的方差比例，它可以由线性回归模型中的预测变量来解释。

R-squared 的值可以在 0 到 1 之间。值 0 表示响应变量根本不能被预测变量解释，而值 1 表示响应变量可以被预测变量完美地解释而没有错误变量。

调整后的R 平方是 R 平方的修改版本，用于调整回归模型中预测变量的数量。计算如下：

调整后的 R 2 = 1 – [(1-R 2 )*(n-1)/(nk-1)]

R 2 :模型的 R 2
n：观察次数
k：预测变量的数量

示例：如何在 R 中计算调整后的 R 平方
我们可以使用以下代码在 R 中使用名为mtcars的内置数据集构建多元线性回归模型：

model <- lm(hp ~ mpg + wt + drat + qsec, data=mtcars)

1
2

我们可以使用以下三种方法之一来找到模型的调整后的 R 平方：

方法一：使用summary()函数

我们可以通过简单地使用summary()函数来查看模型的 R 平方和调整后的 R 平方：