적합도 테스트의 우수성
적합도란 무엇인가?
적합도는 관찰된 데이터가 통계 모델의 기대값과 얼마나 잘 일치하는지 평가합니다.통계를 더 깊이 파고들다 보면 "내 모델이 내 데이터에 얼마나 잘 들어맞나요?"라는 질문을 자주 받습니다. 당신의 모델은 매우 훌륭합니다. 적합도가 낮나요? 아마도 모델을 재고해야 할 것 같습니다. 이것이 바로 적합성의 본질이다. 더 구체적으로:
- 적합도가 높다는 것은 관측값이 모델의 기대값에 가깝다는 것을 의미합니다.
- 적합도가 낮다는 것은 관측값이 기대값과 상대적으로 멀다는 것을 나타냅니다.
적합도 측정값은 관측된 데이터와 모델에서 기대하는 값 사이의 차이 크기를 요약합니다. 적합도 테스트는 차이가 통계적으로 유의한지 여부를 확인합니다. 또한 더 나은 표현을 제공하는 모델을 선택하는 데 도움이 될 수 있습니다. 적절한 적합도 측정 및 테스트는 설정에 따라 다릅니다.
회귀 모델의 적합도
회귀 모델에서 적합도를 이해하는 것은 정확한 예측과 의미 있는 통찰력을 보장하는 데 중요합니다. 여기서는 데이터와의 일관성을 나타내는 주요 지표를 자세히 살펴보겠습니다.회귀 모델은 관찰된 값과 예측된 값의 차이가 작고 편견이 없을 때 데이터를 잘 적합시킵니다. 통계학자들은 이러한 차이를 잔차라고 부릅니다.
적합도가 증가할수록 데이터 포인트는 모델의 적합선에 가까워집니다.
R 제곱(R²)
R 제곱은 선형 회귀 모델에 대한 적합도 통계입니다. 편리한 0~100% 척도를 사용하여 모델이 설명하는 종속 변수의 변동 비율을 측정합니다.
R-제곱은 적합 회귀선 주위의 데이터 분포를 평가합니다. 데이터 세트의 경우 R-제곱 값이 높을수록 표본 데이터와 적합치 간의 차이가 더 작다는 것을 나타냅니다.
분포가 더 넓은 모델의 R-제곱은 15%이고, 분포가 더 좁은 모델의 R-제곱은 85%입니다.
R²를 설명된 변동의 백분율로 생각하십시오. R²가 높을수록 적합도가 더 좋습니다.
R² 높음: 모델이 다양한 변형을 포착합니다.
R² 낮음: 모형이 대부분의 분산을 설명할 수 없습니다.
이것이 유일한 지표는 아니라는 점을 기억하십시오. 높은 R²가 항상 완벽한 모델을 의미하는 것은 아닙니다!
회귀 표준 오류(S)
이 회귀 표준 오차는 관찰된 값과 예측된 값 사이의 절대 차이의 일반적인 크기를 제공하는 적합도 측도입니다. S는 종속변수(DV)의 단위를 사용합니다.작은 S 값: 예측 값이 데이터 값에 가깝습니다.
S 값이 크다는 것은 예측값의 편차가 크다는 것을 의미합니다.
모델이 체질량지수(BMI)를 사용하여 체지방률(DV)을 예측한다고 가정해 보겠습니다. 따라서 모델의 S 값이 3.5인 경우 예측 값은 일반적으로 관찰된 체지방 비율 값보다 3.5% 더 높다는 것을 알 수 있지만 이를 단독으로 살펴보지는 마십시오. 이는 컨텍스트를 이해하기 위해 종속변수의 단위와 비교되어야 합니다.