R平方和调整后的R平方有什么区别？ 编辑

R平方与调整R平方：综述

R平方和调整后的R平方使投资者能够根据基准衡量共同基金的业绩。投资者也可以使用它们来计算他们的投资组合相对于给定基准的表现。

在投资领域，R平方表示为0到100之间的百分比，其中100表示完全相关 零，没有任何关联。这一数字并未表明某一特定证券集团的表现如何。它只衡量收益率与衡量基准的收益率的吻合程度。它也是向后看的，不能预测未来的结果。

调整后的R平方可以提供一个更精确的视图，通过考虑有多少自变量被添加到一个特定的模型中，而这个模型是股票指数 被测量。之所以这样做，是因为这些自变量的增加通常会提高模型的可靠性，这对投资者来说意味着与指数的相关性。

关键要点

• R平方和调整后的R平方都有助于投资者衡量共同基金或投资组合与股指之间的相关性。
• 调整后的R-squared是R-squared的一个改进版本，它通过考虑附加自变量的影响来增加精度和可靠性，这些自变量往往会使R-squared的测量结果产生偏差。
• 与调整后的R平方不同，预测的R平方用于指示回归模型预测新观测响应的程度。
• 关于回归分析的一个误解是，低r平方值总是一件坏事。

R平方

R平方(R²)是一种统计度量，表示因变量的方差比例，由一个或多个自变量在；回归；模型。R平方解释了一个变量的方差在多大程度上解释了第二个变量的方差² &一个模型的输入是0.50，那么观察到的变化大约有一半可以用模型的输入来解释。

R平方结果为70到100表示给定的投资组合密切跟踪相关的股指，而得分在0到40之间表示与该指数的相关性非常低。较高的R平方值也表明贝塔读数。贝塔衡量波动性 指证券或投资组合。

虽然R平方可以返回一个数字，表明与指数的相关性水平，但在衡量自变量对相关性的影响时，它有一定的局限性。这就是调整后的R平方在测量相关性时有用的地方。

R-Squared只是交易者应该拥有的众多工具之一。投资部技术分析课程通过超过五小时的点播视频，全面概述技术指标和图表模式。它涵盖了所有最有效的工具，以及如何在现实市场中使用它们，以最大限度地提高风险调整后的回报。

调整R平方

调整后的R平方是R平方的一个修正版本，它已经根据模型中预测因子的数量进行了调整。调整后的R平方会随着新术语对模型的改进超过偶然预期而增加。当预测器对模型的改进小于预期时，它就会减小。通常，调整后的R平方是正的，而不是负的。它总是低于R平方。

向回归模型中添加更多的自变量或预测值往往会增加R平方值，这会吸引模型的制定者添加更多的变量。这叫做过度拟合 可以返回一个不必要的高R平方值。调整后的R平方用于确定相关性的可靠性，以及通过添加自变量确定相关性的程度。

在一个拥有更多自变量的投资组合模型中，调整后的R平方将有助于确定这些变量的增加在多大程度上与指数相关。调整后的R平方补偿了变量的增加，只有当新的预测因子将模型增强到概率所能得到的水平以上时，R平方才会增加。相反，当预测者改进模型的程度低于偶然预测的程度时，它就会降低。

关键区别

调整后的R平方和R平方之间最明显的区别就是，调整后的R平方考虑并测试了不同的自变量，而R平方没有。正因为如此，许多投资专业人士更喜欢使用调整后的R平方，因为它有可能更准确。此外，投资者可以通过使用调整后的R平方模型测试各种自变量来获得关于影响股票的更多信息。

另一方面，R平方确实有其局限性。使用该模型的一个最基本的限制是R平方不能用来确定系数估计和预测是否有偏差。此外，在多元线性回归中，R平方不能告诉我们哪个回归变量比另一个更重要。

调整的R平方与预测的R平方

与调整后的R平方不同，预测的R平方用于指示回归模型预测新观测响应的程度。因此，如果调整后的R平方可以提供符合当前数据的准确模型，则预测的R平方确定该模型对未来数据准确的可能性。

R平方与调整R平方示例

当你分析一种情况，在这种情况下，有一个几乎没有偏差的保证，使用R平方来计算两个变量之间的关系是非常有用的。然而，在调查单个股票的表现与标准普尔500指数其余部分之间的关系时，重要的是使用调整后的R平方来确定相关性中的任何不一致性。

如果投资者正在寻找一只密切跟踪标普500指数的指数基金，他们会希望对照股指测试不同的自变量，如行业、管理的资产、该股票在市场上上市的时间等，以确保他们拥有最准确的相关性数据。

特别注意事项

R平方和拟合优度

回归分析的基本思想是，如果线性模型的观测值和预测值之间的偏差很小，则该模型具有良好的拟合数据。拟合优度是一种数学模型，有助于解释和解释观测数据和预测数据之间的差异。换言之，拟合优度是一种统计假设检验，用于查看样本数据与具有；正态分布 .

低R平方与高R平方值

关于回归分析的一个误解是，低r平方值总是一件坏事。事实并非如此。例如，一些数据集或研究领域具有内在的大量无法解释的变异。在这种情况下，r平方值自然会更低。即使r平方值很低，研究者也能对数据做出有用的结论。

在另一种情况下，例如在投资中，通常在85%到100%之间的高R平方值表示股票或基金的绩效与指数相对一致。这对投资者来说是非常有用的信息，因此一个成功的项目需要一个更高的R平方值。

R平方与调整R平方常见问题

R平方和调整后的R平方有什么区别？

调整后的R平方和R平方之间最重要的区别就是，调整后的R平方考虑并测试不同的自变量，而R平方没有。

R平方和调整R平方哪个更好？

许多投资者更喜欢调整后的R平方，因为调整后的R平方可以提供更精确的相关性视图，同时还考虑到在衡量股指的特定模型中添加了多少自变量。

我应该使用调整后的R平方还是R平方？

许多投资者已经发现使用调整后的R平方比R平方更为成功，因为它能够更准确地观察一个变量和另一个变量之间的相关性。调整后的R-squared通过考虑有多少自变量被添加到一个特定的模型中来实现这一点，股票指数是根据这个模型来衡量的。

什么是可接受的R平方值？

许多人相信，在确定一个R平方值时，有一个神奇的数字，它标志着一项有效研究的标志，然而事实并非如此。由于某些数据集天生就被设置为比其他数据集具有更多意外的变化，因此获得高R平方值并不总是现实的。然而，在某些情况下，R平方值在70-90%之间是理想的。

底线

R平方和调整后的R平方使投资者能够根据基准衡量共同基金的业绩。许多投资者已经发现使用调整后的R平方比R平方更为成功，因为它能够更准确地观察一个变量和另一个变量之间的相关性。