调整后 R 平方计算器

根据 R 平方、样本量和预测变量数量计算调整后 R 平方

示例结果

1 个示例

按模型复杂度惩罚 R 平方

用样本量和预测变量数量将普通 R 平方转换为调整后 R 平方

{
  "result": {
    "adjustedRSquared": 0.8083,
    "penalty": 0.0117,
    "explainedVariancePercent": 80.8261
  }
}
查看输入参数
{ "rSquared": 0.82, "sampleSize": 50, "predictorCount": 3, "decimalPlaces": 4 }

关键信息

分类
数学、日期与金融
输入类型
number
输出类型
json
样本覆盖
4
支持 API
Yes

概览

调整后 R 平方计算器是一款专业的统计工具，用于在回归分析中根据样本量和预测变量数量对 R 平方进行修正。与标准 R 平方不同，调整后 R 平方会惩罚模型中不必要的变量，从而更真实地反映模型对数据的解释能力，有效防止过拟合。

适用场景

  • •在多元线性回归中比较具有不同数量预测变量的模型时。
  • •评估向模型添加新变量是否真正提高了模型的解释力，而非仅仅是统计上的巧合。
  • •在样本量较小的情况下，需要更准确地估计总体解释方差时。

工作原理

  • •输入回归分析得到的原始 R 平方值（介于 0 到 1 之间）。
  • •填写研究中的总样本量（观测值数量）以及模型中包含的预测变量（自变量）个数。
  • •设置计算结果需要保留的小数位数以满足精度要求。
  • •系统根据公式自动计算调整后 R 平方、模型惩罚项以及解释方差的百分比。

使用场景

学术论文中对回归模型有效性的标准化汇报与比较。
数据科学中特征筛选阶段，评估新增特征对模型性能的实际贡献。
金融预测模型中，在有限的历史数据样本下防止模型过度参数化。

用户案例

1. 评估营销模型复杂度

市场分析师
背景原因
分析师正在建立一个预测销售额的模型，初始模型包含 3 个变量，R 平方为 0.82，样本量为 50。
解决问题
需要确定在当前样本规模下，该模型的解释力是否被变量数量过度夸大。
如何使用
在计算器中输入 R 平方 0.82，样本量 50，预测变量数 3。
示例配置
rSquared: 0.82, sampleSize: 50, predictorCount: 3
效果
计算得出调整后 R 平方为 0.8083，惩罚项为 0.0117，表明模型解释力依然稳健。

2. 小样本过拟合检测

医学研究员
背景原因
研究员在一项只有 20 个样本的实验中使用了 5 个预测变量，得到了 0.75 的高 R 平方值。
解决问题
怀疑高 R 平方是由变量过多导致的虚假拟合。
如何使用
输入 R 平方 0.75，样本量 20，预测变量数 5。
示例配置
rSquared: 0.75, sampleSize: 20, predictorCount: 5
效果
调整后 R 平方显著下降至 0.6607，提醒研究员模型可能存在过拟合风险，需简化变量。

用 Samples 测试

math-&-numbers
Cypress E2E 测试框架
全面的Cypress端到端测试示例，包括测试设置、页面对象模型、API测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
sample
AWS EventBridge 示例
AWS EventBridge 示例，包括事件总线、规则、目标、模式注册表、自定义事件和跨账户事件路由，适用于无服务器事件驱动架构
keywords count
sample
Grafana 高级应用示例
全面的 Grafana 示例，涵盖高级仪表板设计、告警配置、数据源集成和插件开发
keywords metrics
sample
K6 现代性能测试工具
全面的 K6 性能测试示例，包括负载测试、压力测试、API性能测试和现代应用程序的高级测试模式
keywords metrics
sample

相关专题

音频编码与格式转换工具
在一个专题里比较音频格式转换、码率调整、采样率转换、编码切换和导出工具，适合交付与归档工作流。
图片格式转换与动画导出工具
在一个专题里比较 JPG、PNG、GIF、AVIF、WebP、TIFF、ICO、base64 以及动画导出相关的图片格式转换工具。
JSON 交换与格式翻译工具
在一个专题里比较 JSON 与 CSV、YAML、TOML、GraphQL、XML、Markdown、Excel、BSON、EDN 等结构化格式之间的转换工具。
面向网页与印刷的色彩空间转换工具
围绕网页到印刷的色彩空间转换整理的一组工具。

常见问题

为什么调整后 R 平方通常比 R 平方小？

因为它引入了对预测变量数量的惩罚机制，旨在抵消因增加变量而导致的 R 平方虚高。

调整后 R 平方会出现负值吗？

是的，如果模型的预测能力极差，或者预测变量过多而样本量太小，计算结果可能会变成负数。

在模型选择时，应该看哪个指标？

在比较变量数量不同的模型时，应优先参考调整后 R 平方，因为它考虑了模型的复杂性。

预测变量数量是否包含截距项？

不包含，预测变量数量仅指模型中独立自变量的个数。

样本量的大小如何影响调整后 R 平方？

样本量越小，增加预测变量带来的惩罚就越重，调整后 R 平方与原始 R 平方的差距就越大。

API 文档

请求端点

POST /zh/api/tools/adjusted-r-squared-calculator

请求参数

参数名 类型 必填 描述
rSquared number 否 -
sampleSize number 否 -
predictorCount number 否 -
decimalPlaces number 否 -

响应格式

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
JSON数据: JSON数据

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-adjusted-r-squared-calculator": {
      "name": "adjusted-r-squared-calculator",
      "description": "根据 R 平方、样本量和预测变量数量计算调整后 R 平方",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=adjusted-r-squared-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]