يتم استخدام معامل التحديد ، R squared ، في نظرية الانحدار الخطي في الإحصاءات كمقياس لمدى ملائمة معادلة الانحدار للبيانات. إنه مربع R ، معامل الارتباط ، الذي يوفر لنا درجة الارتباط بين المتغير التابع ، Y ، والمتغير المستقل X. R يتراوح من -1 إلى +1. إذا كانت R تساوي +1 ، فإن Y تكون متناسبة تمامًا مع X ، إذا زادت قيمة X بدرجة معينة ، فإن قيمة Y تزداد بنفس الدرجة. إذا كانت R تساوي -1 ، فهناك علاقة سالب مثالية بين Y و X. إذا زادت X ، فسوف تنخفض Y بنفس النسبة. من ناحية أخرى ، إذا كانت R = 0 ، فلا توجد علاقة خطية بين X و Y. R مربعة تختلف من 0 إلى 1. وهذا يعطينا فكرة عن مدى ملاءمة معادلة الانحدار لدينا للبيانات. إذا كانت R التربيعية تساوي 1 ، فإن أفضل خط ملاءمة لدينا يمر عبر جميع النقاط في البيانات ، ويتم توضيح كل الاختلاف في القيم المرصودة Y بعلاقته بقيم X. على سبيل المثال ، إذا حصلنا على R تربيع يتم تفسير قيمة .80 ثم 80٪ من التباين في قيم Y بعلاقتها الخطية مع القيم المرصودة لـ X.
احسب مجموع منتجات قيم X و Y ، واضرب ذلك في "n. " اطرح هذه القيمة من منتج مجموع قيم X و Y. تشير هذه القيمة إلى S1: S1 = n (؟ س ص) - (؟ س) (؟ ص)
احسب مجموع مربعات قيم X ، اضرب هذا في "n ، " واطرح هذه القيمة من مربع مجموع قيم X. دلّل على هذا بواسطة P1: P1 = n (؟ X2) - (؟ X) 2 خذ الجذر التربيعي لـ P1 ، والذي سنشير إليه بواسطة P1 '.
احسب مجموع المربعات الخاصة بقيم Y ، اضرب هذا في "n ، " واطرح هذه القيمة من مربع مجموع قيم Y. دلّل على هذا في Q1: Q1 = n (؟ Y2) - (؟ ص) 2 خذ الجذر التربيعي لل Q1 ، والتي سنشير إليها في Q1 '
احسب R ، معامل الارتباط ، بقسمة S1 على ناتج P1 و Q1 ': R = S1 / (P1' * Q1 ')
خذ مربع R للحصول على R2 ، معامل التحديد.