Votre rapport NN multiple est ici
RSquare généralisé est calculé en fonction de la différence de valeur de loglikelihood entre le modèle, L (chapeau bêta) et null, L (Null), où n est le nombre d'observations.
Voir page 10 du document de Chris Gotwalt. ( https://community.jmp.com/kvoqx44227/attachments/kvoqx44227/discussions/19686/1/JMP%20Neural%20Network%20Methodology.pdf ).
(Notez que R Carré rapporté pour NN individuel utilise la même formule).
Un ensemble RSquare généralisé quand il y a plusieurs réponses, on calcule en combinant les différences, L (chapeau bêta) - L (Null), NN individuels, donc la différence globale est plus grande que la différence dans un modèle individuel. Cela se traduit par une plus grande RSquare généralisé valeur car aucun nombre de modèles exécutés n'est pris en compte .
Je trouve personnellement l'ensemble RSquare généralisé pas très utile.
Merci Jian,
Je comprends le concept et aussi vos préoccupations. c'était très utile!
Bernd
Bonjour,
Lorsque vous exécutez NN avec deux variables cibles ou plus, vous obtenez les statistiques individuelles d’ajustement plus une table RSquare généralisée (s. attaché). Cette valeur rsquare est dans la mesure où je l'ai observée beaucoup plus élevée que toutes les valeurs individuelles rsquare. Je n'ai trouvé aucune explication dans l'aide de JMP et l'aide en survol n'est pas disponible. Quelqu'un pourrait-il m'indiquer une explication et une aide à l'interprétation, s'il vous plaît?
