R- స్క్వేర్డ్ అంటే ఏమిటి?
R- స్క్వేర్డ్ (R 2) అనేది ఒక గణాంక కొలత, ఇది స్వతంత్ర వేరియబుల్ లేదా రిగ్రెషన్ మోడల్‌లో వేరియబుల్స్ ద్వారా వివరించబడిన డిపెండెంట్ వేరియబుల్ కోసం వైవిధ్యం యొక్క నిష్పత్తిని సూచిస్తుంది. సహసంబంధం స్వతంత్ర మరియు ఆధారిత వేరియబుల్ మధ్య సంబంధం యొక్క బలాన్ని వివరిస్తుండగా, R- స్క్వేర్డ్ ఒక వేరియబుల్ యొక్క వైవిధ్యం రెండవ వేరియబుల్ యొక్క వైవిధ్యాన్ని ఎంతవరకు వివరిస్తుంది. కాబట్టి, మోడల్ యొక్క R 2 0.50 అయితే, పరిశీలించిన వైవిధ్యంలో సగం మోడల్ యొక్క ఇన్పుట్ల ద్వారా వివరించవచ్చు.
పెట్టుబడిలో, R- స్క్వేర్ సాధారణంగా ఒక ఫండ్ లేదా సెక్యూరిటీ యొక్క కదలికల శాతంగా అర్థం చేసుకోబడుతుంది, దీనిని బెంచ్ మార్క్ సూచికలోని కదలికల ద్వారా వివరించవచ్చు. ఉదాహరణకు, బాండ్ ఇండెక్స్‌కు వ్యతిరేకంగా స్థిర-ఆదాయ భద్రత కోసం R- స్క్వేర్డ్ ధర యొక్క కదలిక యొక్క భద్రత నిష్పత్తిని గుర్తిస్తుంది, ఇది సూచిక యొక్క ధర కదలిక ఆధారంగా able హించదగినది. ఎస్ & పి 500 ఇండెక్స్ లేదా ఏదైనా ఇతర సంబంధిత సూచికకు వ్యతిరేకంగా ఇది స్టాక్‌కు వర్తించవచ్చు.
దీనిని సంకల్పం యొక్క గుణకం అని కూడా పిలుస్తారు.
R- స్క్వేర్డ్ కోసం ఫార్ములా
R2 = 1 - మొత్తం వైవిధ్యం వివరించిన వైవిధ్యం
కీ టేకావేస్
- R- స్క్వేర్డ్ అనేది ఫిట్ యొక్క గణాంక కొలత, ఇది రిగ్రెషన్ మోడల్‌లో స్వతంత్ర వేరియబుల్ (ల) ద్వారా డిపెండెంట్ వేరియబుల్ యొక్క ఎంత వైవిధ్యాన్ని వివరిస్తుంది. పెట్టుబడిలో, R- స్క్వేర్డ్ సాధారణంగా ఫండ్ లేదా భద్రతా కదలికల శాతంగా అర్థం అవుతుంది బెంచ్మార్క్ సూచికలోని కదలికల ద్వారా దీనిని వివరించవచ్చు. 100% R- స్క్వేర్డ్ అంటే భద్రత యొక్క అన్ని కదలికలు (లేదా ఇతర ఆధారిత వేరియబుల్) సూచికలోని కదలికల ద్వారా పూర్తిగా వివరించబడతాయి (లేదా మీకు ఆసక్తి ఉన్న స్వతంత్ర వేరియబుల్ (లు) లో).
R- స్క్వేర్డ్ లెక్కిస్తోంది
R- స్క్వేర్డ్ యొక్క వాస్తవ గణనకు అనేక దశలు అవసరం. ఇది ఆధారిత మరియు స్వతంత్ర చరరాశుల యొక్క డేటా పాయింట్లను (పరిశీలనలు) తీసుకోవడం మరియు రిగ్రెషన్ మోడల్ నుండి ఉత్తమమైన ఫిట్ యొక్క రేఖను కనుగొనడం. అక్కడ నుండి మీరు values హించిన విలువలను లెక్కిస్తారు, వాస్తవ విలువలను తీసివేసి ఫలితాలను చతురస్రం చేస్తారు. ఇది స్క్వేర్డ్ లోపాల జాబితాను ఇస్తుంది, తరువాత ఇది సంగ్రహించబడుతుంది మరియు వివరించిన వ్యత్యాసానికి సమానం.
మొత్తం వ్యత్యాసాన్ని లెక్కించడానికి, మీరు values హించిన విలువల నుండి సగటు వాస్తవ విలువను తీసివేసి, ఫలితాలను చతురస్రం చేసి వాటిని సంకలనం చేస్తారు. అక్కడ నుండి, మొదటి మొత్తం లోపాలను (వివరించిన వ్యత్యాసం) రెండవ మొత్తం (మొత్తం వ్యత్యాసం) ద్వారా విభజించండి, ఫలితాన్ని ఒకటి నుండి తీసివేయండి మరియు మీకు R- స్క్వేర్ ఉంది.
R-స్క్వేర్డ్
R- స్క్వేర్డ్ మీకు ఏమి చెబుతుంది?
R- స్క్వేర్డ్ విలువలు 0 నుండి 1 వరకు ఉంటాయి మరియు సాధారణంగా 0% నుండి 100% వరకు శాతంగా పేర్కొనబడతాయి. 100% యొక్క R- స్క్వేర్డ్ అంటే భద్రత యొక్క అన్ని కదలికలు (లేదా మరొక ఆధారిత వేరియబుల్) సూచికలోని కదలికల ద్వారా పూర్తిగా వివరించబడతాయి (లేదా మీకు ఆసక్తి ఉన్న స్వతంత్ర వేరియబుల్ (లు)).
పెట్టుబడిలో, అధిక R- స్క్వేర్డ్, 85% మరియు 100% మధ్య, స్టాక్ లేదా ఫండ్ యొక్క పనితీరు సూచికకు అనుగుణంగా సాపేక్షంగా కదులుతుందని సూచిస్తుంది. తక్కువ R- స్క్వేర్డ్ ఉన్న ఫండ్, 70% లేదా అంతకంటే తక్కువ, భద్రత సాధారణంగా సూచిక యొక్క కదలికలను అనుసరించదని సూచిస్తుంది. అధిక R- స్క్వేర్డ్ విలువ మరింత ఉపయోగకరమైన బీటా సంఖ్యను సూచిస్తుంది. ఉదాహరణకు, ఒక స్టాక్ లేదా ఫండ్ 100% కి దగ్గరగా R- స్క్వేర్డ్ విలువను కలిగి ఉంటే, కానీ 1 కంటే తక్కువ బీటాను కలిగి ఉంటే, ఇది చాలా ఎక్కువ రిస్క్-సర్దుబాటు రాబడిని అందిస్తుంది.
R- స్క్వేర్డ్ మరియు సర్దుబాటు చేసిన R- స్క్వేర్డ్ మధ్య వ్యత్యాసం
R- స్క్వేర్డ్ ఒక వివరణాత్మక వేరియబుల్‌తో సరళమైన లీనియర్ రిగ్రెషన్ మోడల్‌లో ఉద్దేశించిన విధంగా మాత్రమే పనిచేస్తుంది. అనేక స్వతంత్ర చరరాశులతో కూడిన బహుళ రిగ్రెషన్‌తో, R- స్క్వేర్డ్ సర్దుబాటు చేయాలి. సర్దుబాటు చేయబడిన R- స్క్వేర్డ్ రిగ్రెషన్ మోడళ్ల యొక్క వివరణాత్మక శక్తిని పోల్చి చూస్తుంది, ఇందులో విభిన్న సంఖ్యలో ప్రిడిక్టర్లు ఉంటాయి. మోడల్‌కు జోడించిన ప్రతి ప్రిడిక్టర్ R- స్క్వేర్‌ను పెంచుతుంది మరియు దానిని ఎప్పటికీ తగ్గించదు. అందువల్ల, ఎక్కువ నిబంధనలతో కూడిన మోడల్‌కు ఎక్కువ నిబంధనలు ఉన్నాయనే దానికి మంచి ఫిట్ ఉన్నట్లు అనిపించవచ్చు, అయితే సర్దుబాటు చేయబడిన R- స్క్వేర్డ్ వేరియబుల్స్ చేరికకు పరిహారం ఇస్తుంది మరియు కొత్త పదం మోడల్‌ను మించి ఉంటే మాత్రమే పెరుగుతుంది సంభావ్యత ద్వారా పొందవచ్చు మరియు ict హాజనిత అవకాశం ద్వారా than హించిన దాని కంటే తక్కువగా మోడల్‌ను పెంచినప్పుడు తగ్గుతుంది. అతిగా సరిపోయే స్థితిలో, R- స్క్వేర్డ్ యొక్క తప్పుగా అధిక విలువ, ఇది అంచనా వేసే సామర్థ్యం తగ్గుతుంది. సర్దుబాటు చేయబడిన R- స్క్వేర్ విషయంలో ఇది కాదు.
రెండు లేదా మోడల్ వేర్వేరు మోడళ్ల మంచితనాన్ని పోల్చడానికి ప్రామాణిక R- స్క్వేర్డ్ ఉపయోగించవచ్చు, సర్దుబాటు చేయబడిన R- స్క్వేర్డ్ నాన్ లీనియర్ మోడల్స్ లేదా బహుళ లీనియర్ రిగ్రెషన్లను పోల్చడానికి మంచి మెట్రిక్ కాదు.
R- స్క్వేర్డ్ మరియు బీటా మధ్య వ్యత్యాసం
బీటా మరియు ఆర్-స్క్వేర్డ్ రెండు సంబంధిత, కానీ భిన్నమైన, పరస్పర సంబంధం యొక్క కొలతలు కానీ బీటా అనేది సాపేక్ష ప్రమాదానికి కొలమానం. అధిక R- స్క్వేర్డ్ ఉన్న మ్యూచువల్ ఫండ్ బెంచ్‌మార్క్‌తో బాగా సంబంధం కలిగి ఉంటుంది. బీటా కూడా ఎక్కువగా ఉంటే, అది బెంచ్ మార్క్ కంటే, ముఖ్యంగా ఎద్దు మార్కెట్లలో అధిక రాబడిని ఇస్తుంది. R- స్క్వేర్ ఒక ఆస్తి ధరలో ప్రతి మార్పు బెంచ్‌మార్క్‌తో ఎంత దగ్గరగా సంబంధం కలిగి ఉందో కొలుస్తుంది. బెంచ్ మార్కుకు సంబంధించి ఆ ధర మార్పులు ఎంత పెద్దవని బీటా కొలుస్తుంది. కలిసి ఉపయోగించినప్పుడు, R- స్క్వేర్డ్ మరియు బీటా పెట్టుబడిదారులకు ఆస్తి నిర్వాహకుల పనితీరు గురించి సమగ్ర చిత్రాన్ని ఇస్తాయి. సరిగ్గా 1.0 యొక్క బీటా అంటే ఆస్తి యొక్క ప్రమాదం (అస్థిరత) దాని బెంచ్ మార్కుతో సమానంగా ఉంటుంది. ముఖ్యంగా, R- స్క్వేర్డ్ అనేది సెక్యూరిటీల యొక్క బీటాస్ యొక్క ఆచరణాత్మక ఉపయోగం మరియు విశ్వసనీయత కోసం ఒక గణాంక విశ్లేషణ సాంకేతికత.
R- స్క్వేర్డ్ యొక్క పరిమితులు
R- స్క్వేర్డ్ మీకు స్వతంత్ర వేరియబుల్ యొక్క కదలికల ఆధారంగా ఆధారిత వేరియబుల్ యొక్క కదలికల మధ్య సంబంధం యొక్క అంచనాను ఇస్తుంది. మీరు ఎంచుకున్న మోడల్ మంచిదా చెడ్డదా అని ఇది మీకు చెప్పదు, డేటా మరియు అంచనాలు పక్షపాతమా అని మీకు చెప్పదు. అధిక లేదా తక్కువ R- స్క్వేర్ తప్పనిసరిగా మంచి లేదా చెడు కాదు, ఎందుకంటే ఇది మోడల్ యొక్క విశ్వసనీయతను తెలియజేయదు, లేదా మీరు సరైన రిగ్రెషన్‌ను ఎంచుకున్నారా. మీరు మంచి మోడల్ కోసం తక్కువ R- స్క్వేర్డ్ పొందవచ్చు లేదా పేలవంగా అమర్చిన మోడల్ కోసం అధిక R- స్క్వేర్ పొందవచ్చు మరియు దీనికి విరుద్ధంగా.
