列聯表中的 R 方 (U)大家好，
我對列聯表中的 R 方不確定性比率有疑問（與 DOF 和對數似然放在同一個表中）。 我目前正在進行研究，發現 p 值 (alpha=.05) 具有顯著性，但 R 方值接近 0。 現在，我知道在連續與連續中，R 值用於確定兩個變量之間的相關性。
我的問題是：列聯表中的 Rsquare 值與我的結論有什麼相關性？
我能夠通過 p 值拒絕零假設，但正如我之前提到的，Rsquare 非常接近 0，這使我不確定是否應該繼續考慮備擇假設。
提前致謝！
回复：列聯表中的 R 方 (U)邏輯回歸與分類響應一起使用。 它類似於連續響應的線性回歸，但並不完全相同。 方差的線性回歸分析基於偏差平方和。 R 平方樣本統計量是模型平方和與校正總平方和的比率。 它假設誤差平方和不包括模型中未包含的任何固定效應。 也就是說，它假設模型是無偏的。 這很重要，因為平方和取決於所選模型。 R 方是預測性能的度量。
R 平方 (U) 基於模型參數的負對數似然或不確定性 (U)。 該樣本統計量是完整模型和簡化模型的對數似然之差與簡化模型的對數似然之比。 與線性回歸情況一樣，它假設不存在因偏差而導致的顯著失擬合。 R 方 (U) 也是預測性能的衡量標準。
我不明白如何獲得邏輯模型的 R 方。 廣義 R 方試圖提供一個更接近線性回歸預期值的值。 這是你指的值嗎？ 調整值的含義和解釋尚不清楚。
一般來說，對於具有顯著預測變量且不缺乏擬合的模型，分類響應的 R 方 (U) 通常非常低。 這意味著預測的響應存在很大的不確定性。
回复：列聯表中的 R 方 (U)@馬克貝利您能解釋一下如何解釋 R^2(U) 值嗎？ 如果我理解正確的話，R^2 告訴方程可以解釋多少變異性，那麼 R^2(U) 對於邏輯回歸來說是否也是如此？ 鑑於這個值要小得多，您如何解釋它的意義？ 我正在使用生態數據來了解背景。 您是否知道在報告模型時，您是否想要使用 R^2(U) 或 R^2（我在逐步擬合窗口中找到的）——哪個數字與邏輯回歸更相關？
回复：列聯表中的 R 方 (U)驚人的，
謝謝你！
回复：列聯表中的 R 方 (U)您可以解讀R 方 (U)與您解釋的方式相同R方從線性回歸。 這R方基於平方和： SS(型號) / SS(總計) 。 R 方 (U)同樣是-L(型號) / -L(縮小型) 。 它告訴您模型所佔總不確定性的比例（假設它是正確的模型）。
這種關係更容易看出物流配合比在意外事件因為意外事件只報告-L(型號) 。 這是分析年齡經過重量從大班樣本數據表：
這-L(型號)上面有標註不同之處這裡。 這-L（總計）上面有標註減少這裡。 這R 方 (U)因此差值/減少 = 5.037918 / 67.266350 = 0.0749 。
具有統計顯著性的分類響應模型通常表現出非常低的R 方 (U)正如這個例子所示。 喜歡它的連續模型R方對應地，它表示條件預測相對於邊際預測的性能。
