期望值R2R2,决定系数,在原假设下

机器算法验证 回归 期望值 拟合优度 r平方
2022-02-27 06:44:42

我很好奇本文第一页底部 关于Radjusted2调整

Radjusted2=1(1R2)(n1nm1).

案文指出:

调整的逻辑如下:在普通的多元回归中,一个随机预测变量平均解释一个比例1/(n1)响应的变化,所以m平均而言,随机预测变量一起解释,m/(n1)响应的变化;换句话说,期望值R2E(R2)=m/(n1). 应用 [Radjusted2] 该值的公式,其中所有预测变量都是随机的,给出Radjusted2=0。”

这似乎是一个非常简单且可解释的动机Radjusted2. 但是,我无法解决这个问题E(R2)=1/(n1)对于单个随机(即不相关)预测器。

有人可以在这里指出我正确的方向吗?

1个回答

这是准确的数理统计。有关分布的推导,请参见这篇文章R2 在所有回归变量(除常数项)与因变量(“随机预测变量”)不相关的假设下。

此发行版是 Beta 版,具有m是不计算常数项的预测变量的数量,并且n 样本量,

R2Beta(m2,nm12)

所以

E(R2)=m/2(m/2)+[(nm1)/2]=mn1

这似乎是一种巧妙的方式来“证明”调整后的逻辑R2:如果确实所有回归量都不相关,那么调整后的R2“平均”为零。