Vous n'êtes pas identifié.
Vous êtes sur le forum du master ESA !
Le site du master ESA - description de la formation, notes de cours, contacts... vient de déménager !!!
Venez visiter notre nouveau site : www.master-esa.fr
Bonjour, est ce que quelqu'un peut m'expliquer pourquoi on peut trouver un R2 ajusté négatif? merci
Hors ligne
parce que votre R² est lui même négatif et que votre régression n'a pas de constante - non ?
dans un logiciel d'économétrie, un R² est calculé de la manière suivante : 1 - Somme des résidus au carré / somme des écart de y à la moyenne au carré.
Ceci n'est vrai que si la somme des résidus est égal à zéro et ce n'est pas le cas dans une régression sans constante.
Hors ligne
Ben non, parce que c'est pas le R2 (le R^2 est tout le temps possitif...), sinon, parce que
en fait tu travailles avec le coefficient de de correlation de pearson, qui va de -1 à 1.
Si tu eleves ce coefficient au carré, t'as le R^2.
Hors ligne
ben si - un logiciel d'économétrie peut produire un R² négatif (voir comment il est calculé plus haut et que lorsqu'il n'y a pas de constante, la décomposition de la variance entre expliquée et non expliquée n'est plus juste)
SAS, lui, ne vous donne pas de R² négatif (parce que la formule utilisée dans une estimation sans constante est différente) mais on peut quand même obtenir un Rbar² négatif si vous avez peu d'observations et un R² très faible...
et comme vous ne me croyez pas, un petit exemple :
data toto; do i=1 to 10; y=rannor(34); x=2+rannor(45); output; end; run; proc reg; model y=x / noint; output out=bliko r=res ; quit;
vous remarquerez dans votre sortie : NOTE: No intercept in model. R-Square is redefined.
et Rbar²=-0,0647
avec une constante, vous obtenez aussi un Rbar² négatif (-0,1014)
dans le fichier d'output de la régression sans constante, j'ai sauvegardé les résidus :
Obs i y x res 1 1 1.56728 2.43197 1.35639 2 2 1.42232 3.09931 1.15356 3 3 -0.07129 2.20982 -0.26291 4 4 -0.61736 2.88047 -0.86715 5 5 -1.56381 1.46733 -1.69106 6 6 1.32293 2.01334 1.14834 7 7 -0.23844 2.94680 -0.49398 8 8 0.27246 2.11688 0.08889 9 9 -0.76768 3.93875 -1.10923 10 10 1.44237 1.53580 1.30920
amusez vous à relcalculer le R² avec ces données de la façon habituelle (celle utilisée normalement pas les logiciels d'économétrie :
1 - Somme des résidus au carré / somme des écart de y à la moyenne au carré.
vous obtiendrez un R² à -0,007706003 (parce que la somme des résidus n'est plus égale à 0 quand il n'y a pas de constante)
Oscar, à votre tour : expliquez moi la liaison entre coefficient de détermination et coefficient de corrélation quand vous avez plus d'une variable explicative ;-)
Hors ligne
Et donc, c'est la première fois que je vois et je corrobore ça! On aprend des choses tous les jours!
A votre question Mr SR:
"expliquez moi la liaison entre coefficient de détermination et coefficient de corrélation quand vous avez plus d'une variable explicative".
Avec plaisir je chercherai ça, mais: pourquoi il y a une liason dans ce cas la, si la coeff. de corrélation ce fait par couple (1 vs 1), du coup, le coef de détermination donne un mésure de "Godness of fit", et donc, je vois pas la rélations lorsqu'il y a plus de 2 variable (hélas! si je veux etre un jours le Roi de la Statistique, il me manque encore pas mal de choses à apprendre ).
Hors ligne