निर्धारण का गुणांक: अवलोकन क्या है मतलब और उदाहरण

निर्धारण का गुणांक क्या है?

निर्धारण का गुणांक एक सांख्यिकीय माप है जो इस बात की जांच करता है कि किसी घटना के परिणाम की भविष्यवाणी करते समय एक चर के अंतर को दूसरे चर के अंतर से कैसे समझाया जा सकता है। दूसरे शब्दों में, यह गुणांक, जिसे आमतौर पर R-वर्ग (या R .) के रूप में जाना जाता है²), यह आकलन करता है कि दो चरों के बीच रैखिक संबंध कितना मजबूत है, और प्रवृत्ति विश्लेषण करते समय शोधकर्ताओं द्वारा इस पर बहुत अधिक भरोसा किया जाता है। अपने आवेदन का एक उदाहरण देने के लिए, यह गुणांक निम्नलिखित प्रश्न पर विचार कर सकता है: यदि एक महिला एक निश्चित दिन गर्भवती हो जाती है, तो क्या संभावना है कि वह भविष्य में किसी विशेष तिथि पर अपने बच्चे को जन्म देगी? इस परिदृश्य में, इस मीट्रिक का उद्देश्य दो संबंधित घटनाओं: गर्भाधान और जन्म के बीच संबंध की गणना करना है।

निर्धारण के गुणांक को समझना

निर्धारण का गुणांक एक माप है जिसका उपयोग यह समझाने के लिए किया जाता है कि किसी अन्य संबंधित कारक से उसके संबंध के कारण एक कारक की कितनी परिवर्तनशीलता हो सकती है। यह सहसंबंध, जिसे “फिट की अच्छाई” के रूप में जाना जाता है, को 0.0 और 1.0 के बीच के मान के रूप में दर्शाया जाता है। 1.0 का मान एक पूर्ण फिट इंगित करता है, और इस प्रकार भविष्य के पूर्वानुमानों के लिए एक अत्यधिक विश्वसनीय मॉडल है, जबकि 0.0 का मान इंगित करेगा कि गणना डेटा को सटीक रूप से मॉडल करने में विफल रहती है। लेकिन 0.20 का मान, उदाहरण के लिए, यह बताता है कि आश्रित चर के 20% की भविष्यवाणी स्वतंत्र चर द्वारा की जाती है, जबकि 0.50 के मान से पता चलता है कि निर्भर चर के 50% की भविष्यवाणी स्वतंत्र चर द्वारा की जाती है, और आगे भी।

निर्धारण के गुणांक का रेखांकन करना

एक ग्राफ पर, फिट की अच्छाई एक फिट लाइन और पूरे आरेख में बिखरे हुए सभी डेटा बिंदुओं के बीच की दूरी को मापती है। डेटा के तंग सेट में एक प्रतिगमन रेखा होगी जो बिंदुओं के करीब है और उच्च स्तर का फिट है, जिसका अर्थ है कि रेखा और डेटा के बीच की दूरी छोटी है। हालांकि एक अच्छे फिट में R . होता है² 1.0 के करीब, यह संख्या अकेले यह निर्धारित नहीं कर सकती है कि डेटा बिंदु या भविष्यवाणियां पक्षपाती हैं या नहीं। यह विश्लेषकों को यह भी नहीं बताता है कि निर्धारण मूल्य का गुणांक आंतरिक रूप से अच्छा है या बुरा। यह उपयोगकर्ता के विवेक पर निर्भर करता है कि वह इस सहसंबंध के अर्थ का मूल्यांकन करे और भविष्य की प्रवृत्ति के विश्लेषण के संदर्भ में इसे कैसे लागू किया जा सकता है।