निर्धारण का गुणांक एक प्रसिद्ध सांख्यिकीय अवधारणा है जो इस बात पर ध्यान केंद्रित करती है कि किसी विशिष्ट में भिन्नता कैसे होती हैफ़ैक्टर किसी अन्य कारक में भिन्नता द्वारा स्पष्ट किया जा सकता है। सीधे शब्दों में कहें तो गुणांक का उपयोग दो या दो से अधिक चरों के बीच संबंध का मूल्यांकन करने के लिए किया जाता है। यह शब्द आमतौर पर आर-स्क्वायर में प्रयोग किया जाता है, और इसे 'फिट की अच्छाई' भी कहा जाता है।
निर्धारण के गुणांक का सूत्र है:
(आर²) = 1 - एसएस प्रतिगमन / एसएस कुल
निर्धारण के गुणांक का व्यापक रूप से उपयोग किया जाता हैश्रेणी अवधारणाओं की संख्या, और अवधारणा जहां गुणांक लागू किया जाता है, घटना के परिणाम को निर्धारित करने में महत्वपूर्ण भूमिका निभाता है। कभी-कभी, इस सांख्यिकीय अवधारणा से उत्पन्न अंतर्दृष्टि भिन्न हो सकती है। यह मॉडल की प्रकृति, संदर्भ और ऐसे अन्य विवरणों पर निर्भर करता है।
यदि हम निर्धारण के गुणांक का एक ग्राफ खींचते हैं, तो ग्राफ और रेखा में फैले डेटा बिंदुओं के बीच की दूरी के आधार पर फिट की अच्छाई का आकलन किया जाएगा। डेटा बिंदुओं में रेखा जितनी करीब होगी, फिट उतना ही बेहतर होगा। दूसरे शब्दों में, अच्छे फिट का मतलब है कि R2 1.0 के मान के सबसे करीब है।
प्रवृत्ति विश्लेषण करते समय शोधकर्ता निर्धारण के गुणांक का उपयोग करते हैं।
Talk to our investment specialist
बेहतर समझ के लिए, आइए उदाहरण देखें:
यदि कोई महिला किसी निश्चित तिथि पर बच्चे को गर्भ धारण करती है, तो दी गई तिथि पर प्रसव की संभावना कितनी है? यहां, गुणांक का उद्देश्य बच्चे के गर्भाधान और प्रसव के बीच रैखिक संबंध का पता लगाना है।
निर्धारण का गुणांक के बीच के मानों का उपयोग करता है0 और 1
दो चर के बीच संबंध का प्रतिनिधित्व करने के लिए। अगर तुम्हें मिले0.30
, इसका मतलब है कि एक चर का 30% दूसरे चर द्वारा प्रत्याशित है। इसी तरह, यदि मान है तो मॉडल को सबसे अच्छा फिट माना जाता है1.0. यदि मान 0.50 है, तो इसका अर्थ है कि 50% डेटा प्रतिगमन मॉडल से मेल खाता है।
भले ही यह सांख्यिकीय अवधारणा प्रतिगमन मॉडल के बारे में कुछ शक्तिशाली अंतर्दृष्टि प्रदान करती है, किसी को भी केवल निर्धारण के गुणांक के आधार पर भविष्यवाणियां करने से बचना चाहिए। जबकि यह रैखिक संबंध पर ध्यान केंद्रित करता है, साथ ही, मॉडल आपको दो चर के बीच कार्य-कारण संबंध नहीं बताता है।
इसके अलावा, यह प्रतिगमन मॉडल की अखंडता का सुझाव नहीं दे सकता है। इसलिए, शोधकर्ताओं के लिए यह महत्वपूर्ण है कि वे कोई निष्कर्ष निकालने से पहले विभिन्न सांख्यिकीय मॉडलों के साथ निर्धारण के गुणांक का उपयोग करें। विभिन्न चरों के बीच संबंध खोजने के लिए आप जितनी अधिक सांख्यिकीय अवधारणाओं का उपयोग करेंगे, परिणाम उतना ही बेहतर और सटीक होगा।
लोकप्रिय मान्यताओं के विपरीत, उच्च गुणांक प्रतिशत हमेशा प्रतिगमन मॉडल के लिए प्रभावी नहीं हो सकता है। इस मॉडल की विश्वसनीयता कुछ महत्वपूर्ण कारकों पर निर्भर करती है, जैसे कि आपके द्वारा उपयोग किए जाने वाले चर के प्रकार, लागू डेटा, और बहुत कुछ। कुछ मामलों में, उच्च गुणांक प्रतिशत प्रतिगमन मॉडल के साथ समस्याएं दिखा सकता है। फिर फिर, यह आपके द्वारा नियोजित चर पर निर्भर करता है। ऐसा कोई विशिष्ट नियम नहीं है जो यह दर्शाता हो कि दो चरों के बीच संबंध का आकलन करने के लिए प्रतिगमन मॉडल पर गुणांक कैसे लागू किया जाए।