R- चुकता बनाम समायोजित R- चुकता: अंतर क्या है?

आर-स्क्वायर्ड बनाम समायोजित आर-स्क्वायर्ड: एक अवलोकन

आर-स्क्वेर और समायोजित आर-स्क्वेर्ड निवेशकों को एक बेंचमार्क के खिलाफ म्यूचुअल फंड के प्रदर्शन को मापने में सक्षम बनाते हैं। निवेशक किसी दिए गए बेंचमार्क के खिलाफ अपने पोर्टफोलियो के प्रदर्शन की गणना करने के लिए भी उनका उपयोग कर सकते हैं।

निवेश की दुनिया में, आर-स्क्वेर को 0 और 100 के बीच प्रतिशत के रूप में व्यक्त किया जाता है, जिसमें 100 सिग्नलिंग पूर्ण सहसंबंध और शून्य कोई सहसंबंध नहीं होता है। यह आंकड़ा इंगित नहीं करता है कि प्रतिभूतियों का एक विशेष समूह कितना अच्छा प्रदर्शन कर रहा है। यह केवल मापता है कि मापा बेंचमार्क के साथ रिटर्न कितनी बारीकी से संरेखित होता है। यह पीछे की ओर देखने वाला भी है- यह भविष्य के परिणामों का पूर्वसूचक नहीं है।

समायोजित आर-स्क्वेर्ड उस सहसंबंध का अधिक सटीक दृश्य यह भी ध्यान में रखकर प्रदान कर सकता है कि किसी विशेष मॉडल में कितने स्वतंत्र चर जोड़े जाते हैं जिसके खिलाफ स्टॉक इंडेक्स मापा जाता है। ऐसा इसलिए किया जाता है क्योंकि स्वतंत्र चर के इस तरह के परिवर्धन से आमतौर पर उस मॉडल की विश्वसनीयता बढ़ जाती है – मतलब, निवेशकों के लिए, सूचकांक के साथ संबंध।

चाबी छीन लेना

• R-squared और समायोजित R-squared दोनों निवेशकों को एक शेयर सूचकांक के साथ म्यूचुअल फंड या पोर्टफोलियो के बीच संबंध को मापने में मदद करते हैं।
• R-squared का संशोधित संस्करण समायोजित R-squared, अतिरिक्त स्वतंत्र चर के प्रभाव पर विचार करके सटीक और विश्वसनीयता जोड़ता है जो R-squared माप के परिणामों को तिरछा करते हैं।
• समायोजित आर-वर्ग के विपरीत, अनुमानित आर-स्क्वेर का उपयोग यह दर्शाने के लिए किया जाता है कि प्रतिगमन मॉडल कितनी अच्छी तरह से नई टिप्पणियों के लिए प्रतिक्रियाओं की भविष्यवाणी करता है।
• प्रतिगमन विश्लेषण के बारे में एक गलत धारणा यह है कि कम आर-स्क्वेर मूल्य हमेशा एक बुरी चीज है।

आर चुकता

आर-स्क्वेर (आर 2 ) एक सांख्यिकीय उपाय है जो एक आश्रित चर के लिए विचरण के अनुपात का प्रतिनिधित्व करता है जिसे एक प्रतिगमन  मॉडल में एक स्वतंत्र चर या चर द्वारा समझाया गया है  । R-squared बताता है कि एक चर का प्रसरण किस सीमा तक दूसरे चर के विचरण को बताता है। इसलिए, यदि  किसी मॉडल का R 2 0.50 है, तो लगभग आधे अंतर में मॉडल की जानकारी को समझाया जा सकता है।

70 से 100 का एक आर-स्क्वेर्ड परिणाम बताता है कि किसी दिए गए पोर्टफोलियो ने स्टॉक इंडेक्स को प्रश्न में बारीकी से ट्रैक किया है, जबकि 0 और 40 के बीच का स्कोर इंडेक्स के साथ बहुत कम संबंध दर्शाता है। उच्च आर-स्क्वेर्ड मान भी की अस्थिरता को मापता है ।

जबकि R-squared एक आंकड़ा लौटा सकता है जो एक सूचकांक के साथ सहसंबंध के स्तर को इंगित करता है, इसकी कुछ सीमाएं हैं जब यह सहसंबंध पर स्वतंत्र चर के प्रभाव को मापने की बात आती है। यह वह जगह है जहाँ सह-निर्धारण को मापने के लिए समायोजित R-squared उपयोगी है।

---

आर-स्क्वैयर सिर्फ कई उपकरणों में से एक है जो व्यापारियों को अपने शस्त्रागार में होना चाहिए। इन्वेस्टोपेडिया के टेक्निकल एनालिसिस कोर्स में पाँच घंटे के ऑन-डिमांड वीडियो के साथ तकनीकी संकेतकों और चार्ट पैटर्न का एक व्यापक अवलोकन प्रदान किया गया है। इसमें सभी सबसे प्रभावी उपकरण शामिल हैं और जोखिम-समायोजित रिटर्न को अधिकतम करने के लिए वास्तविक जीवन के बाजारों में उनका उपयोग कैसे करें।

समायोजित R- चुकता

समायोजित आर-स्क्वेर आर-वर्ग का एक संशोधित संस्करण है जिसे मॉडल में भविष्यवक्ताओं की संख्या के लिए समायोजित किया गया है। समायोजित आर-वर्ग बढ़ जाता है जब नया शब्द मॉडल में सुधार करता है और मौका से उम्मीद की जाती है। यह तब घटता है जब एक भविष्यवक्ता मॉडल को उम्मीद से कम सुधारता है। आमतौर पर, समायोजित आर-वर्ग सकारात्मक है, नकारात्मक नहीं। यह हमेशा R-squared से कम होता है।

प्रतिगमन मॉडल में अधिक स्वतंत्र चर या भविष्यवाणियों को जोड़ना आर-स्क्वेर्ड मान को बढ़ाता है, जो मॉडल के निर्माताओं को और भी अधिक चर जोड़ने के लिए प्रेरित करता है। इसे ओवरफिटिंग कहा जाता है और यह अनुचित रूप से उच्च आर-स्क्वेर मान वापस कर सकता है। समायोजित आर-वर्ग का उपयोग यह निर्धारित करने के लिए किया जाता है कि सहसंबंध कितना विश्वसनीय है और स्वतंत्र चर के अतिरिक्त द्वारा कितना निर्धारित किया जाता है।

एक पोर्टफोलियो मॉडल में जिसमें अधिक स्वतंत्र चर हैं, समायोजित आर-स्क्वेर यह निर्धारित करने में मदद करेगा कि सूचकांक के साथ सहसंबंध उन चर के अतिरिक्त कितना है। समायोजित आर-स्क्वेर चर के अलावा के लिए क्षतिपूर्ति करता है और केवल तभी बढ़ता है जब नया भविष्यवक्ता ऊपर के मॉडल को बढ़ाता है जो प्रायिकता द्वारा प्राप्त किया जाएगा। इसके विपरीत, यह तब घट जाएगा जब एक भविष्यवक्ता मॉडल को उस स्थिति से बेहतर बनाता है जो मौका द्वारा भविष्यवाणी की जाती है।

मुख्य अंतर

समायोजित आर-वर्ग और आर-वर्ग के बीच सबसे स्पष्ट अंतर बस यह है कि समायोजित आर-स्क्वेरर स्टॉक इंडेक्स के खिलाफ अलग-अलग स्वतंत्र चर पर विचार करता है और परीक्षण करता है और आर-वर्ग नहीं करता है। इस वजह से, कई निवेश पेशेवर समायोजित आर-वर्ग का उपयोग करना पसंद करते हैं क्योंकि इसमें अधिक सटीक होने की क्षमता है। इसके अलावा, निवेशक समायोजित आर-स्क्वेर मॉडल का उपयोग करके विभिन्न स्वतंत्र चर का परीक्षण करके किसी स्टॉक को प्रभावित करने के बारे में अतिरिक्त जानकारी प्राप्त कर सकते हैं।

दूसरी ओर, आर-स्क्वेर्ड की अपनी सीमाएँ हैं। इस मॉडल का उपयोग करने के लिए सबसे आवश्यक सीमाओं में से एक यह है कि गुणांक अनुमानों और पूर्वानुमानों का पक्षपाती है या नहीं यह निर्धारित करने के लिए आर-स्क्वेर का उपयोग नहीं किया जा सकता है। इसके अलावा, कई रैखिक प्रतिगमन में, आर-स्क्वेर हमें यह नहीं बता सकता है कि कौन सा प्रतिगमन चर दूसरे की तुलना में अधिक महत्वपूर्ण है।

समायोजित आर-वर्ग बनाम पूर्वनिर्धारित आर-वर्ग

समायोजित आर-वर्ग के विपरीत, अनुमानित आर-स्क्वेर का उपयोग यह दर्शाने के लिए किया जाता है कि प्रतिगमन मॉडल कितनी अच्छी तरह से नई टिप्पणियों के लिए प्रतिक्रियाओं की भविष्यवाणी करता है। तो जहाँ समायोजित R-squared एक सटीक मॉडल प्रदान कर सकता है जो वर्तमान डेटा को फिट करता है, पूर्वानुमानित R-squared निर्धारित करता है कि यह संभावना है कि यह मॉडल भविष्य के डेटा के लिए सटीक होगा।

R- स्क्वॉयर बनाम एडजस्टेड R-Squared उदाहरण

जब आप ऐसी स्थिति का विश्लेषण कर रहे हैं जिसमें कोई पूर्वाग्रह न होने की गारंटी है, तो दो चर के बीच संबंध की गणना करने के लिए आर-स्क्वेर का उपयोग करना पूरी तरह से उपयोगी है। हालाँकि, जब किसी एकल स्टॉक और S & P500 के प्रदर्शन के बीच संबंध की जांच की जाती है, तो सहसंबंध में किसी भी विसंगतियों को निर्धारित करने के लिए समायोजित आर-स्क्वेर का उपयोग करना महत्वपूर्ण है।

यदि कोई निवेशक इंडेक्स फंड की तलाश कर रहा है जो एस एंड पी 500 को बारीकी से ट्रैक करता है, तो वे स्टॉक इंडेक्स जैसे उद्योग, प्रबंधन के तहत संपत्ति, बाजार पर स्टॉक उपलब्ध होने के कितने समय के लिए अलग-अलग स्वतंत्र चर का परीक्षण करना चाहेंगे। यह सुनिश्चित करने के लिए कि उनके पास सहसंबंध का सबसे सटीक आंकड़ा है।

विशेष ध्यान

आर-स्क्वेर्ड और गुडनेस-ऑफ-फिट

प्रतिगमन विश्लेषण का मूल विचार यह है कि यदि अवलोकन मूल्यों और रेखीय मॉडल के अनुमानित मूल्यों के बीच विचलन छोटा है, तो मॉडल में अच्छी तरह से फिट डेटा है।  अच्छाई-की-फिट एक गणितीय मॉडल है जो इस देखे गए डेटा और अनुमानित आंकड़ों के बीच अंतर के बारे में समझाने और उनका हिसाब करने में मदद करता है। दूसरे शब्दों में, अच्छाई-से-फिट एक सांख्यिकीय परिकल्पना परीक्षण है यह देखने के लिए कि एक सामान्य वितरण के साथ जनसंख्या से नमूना डेटा कितनी अच्छी तरह फिट बैठता है  ।

कम आर-वर्ग बनाम उच्च आर-चुकता मूल्य

प्रतिगमन विश्लेषण के बारे में एक गलत धारणा यह है कि कम आर-स्क्वेर मूल्य हमेशा एक बुरी चीज है। ऐसा नहीं है। उदाहरण के लिए, कुछ डेटा सेट या अध्ययन के क्षेत्रों में अस्पष्टीकृत भिन्नता की स्वाभाविक रूप से अधिक मात्रा होती है। इस मामले में, आर-स्क्वेर्ड मान स्वाभाविक रूप से कम होने वाले हैं। जांचकर्ता डेटा के बारे में उपयोगी निष्कर्ष भी बना सकते हैं यहां तक ​​कि कम आर-स्क्वेर मूल्य के साथ।

एक अलग मामले में, जैसे कि निवेश में, एक उच्च आर-स्क्वेर मूल्य – आमतौर पर 85% और 100% के बीच-स्टॉक या फंड के प्रदर्शन इंडेक्स के अनुरूप अपेक्षाकृत बढ़ता है। यह निवेशकों के लिए बहुत उपयोगी जानकारी है।

R- स्क्वॉयर बनाम एडजस्टेड R-Squared FAQs

R- वर्ग और समायोजित R- वर्ग के बीच अंतर क्या है?

समायोजित आर-वर्ग और आर-वर्ग के बीच सबसे महत्वपूर्ण अंतर बस यह है कि समायोजित आर-वर्ग मॉडल के खिलाफ अलग-अलग स्वतंत्र चर मानता है और परीक्षण करता है और आर-चुकता नहीं करता है।

कौन सा बेहतर है, आर-स्क्वेयर्ड या एडजस्टेड आर-स्क्वॉयर है?

कई निवेशक समायोजित आर-वर्ग को पसंद करते हैं क्योंकि समायोजित आर-वर्ग सहसंबंध का एक अधिक सटीक दृश्य प्रदान कर सकता है यह भी ध्यान में रखते हुए कि किसी विशेष मॉडल में कितने स्वतंत्र चर जोड़े जाते हैं जिसके खिलाफ स्टॉक इंडेक्स मापा जाता है।

क्या मुझे समायोजित आर-स्क्वेर या आर-स्क्वेर का उपयोग करना चाहिए?

कई निवेशकों ने R-squared पर समायोजित R-squared का उपयोग करके सफलता पाई है क्योंकि एक चर और दूसरे के बीच सहसंबंध का अधिक सटीक दृश्य बनाने की क्षमता है। समायोजित R-squared यह ध्यान में रखकर करता है कि किसी विशेष मॉडल में कितने स्वतंत्र चर जोड़े जाते हैं जिनके खिलाफ स्टॉक इंडेक्स मापा जाता है।

एक स्वीकार्य आर-चुकता मूल्य क्या है?

कई लोगों का मानना ​​है कि एक आर-स्क्वेर मान निर्धारित करने की बात आती है, तो एक जादुई संख्या होती है जो एक वैध अध्ययन का संकेत है, लेकिन ऐसा नहीं है। क्योंकि कुछ डेटा सेट स्वाभाविक रूप से दूसरों की तुलना में अधिक अप्रत्याशित विविधताएं स्थापित करने के लिए सेट होते हैं, इसलिए उच्च आर-स्क्वेर मूल्य प्राप्त करना हमेशा यथार्थवादी नहीं होता है। हालांकि, कुछ मामलों में 70-90% के बीच एक आर-स्क्वायर मूल्य आदर्श है।

तल – रेखा

आर-स्क्वेर और समायोजित आर-स्क्वेर्ड निवेशकों को एक बेंचमार्क के खिलाफ म्यूचुअल फंड के प्रदर्शन को मापने में सक्षम बनाते हैं। कई निवेशकों ने R-squared पर समायोजित R-squared का उपयोग करके सफलता पाई है क्योंकि एक चर और दूसरे के बीच सहसंबंध का अधिक सटीक दृश्य बनाने की क्षमता है।