MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Q² öngörü geçerliliği (Stone-Geisser, PRESS)

Q² öngörü geçerliliği (Stone-Geisser, PRESS)kavram

Bir modelin, kestirimde kullanılmayan veri noktalarını ne kadar iyi öngördüğünü gösteren, çapraz geçerlemeye dayalı R² benzeri ölçü.

Q² = 1 - PRESS / SS formülüyle hesaplanır; PRESS, her gözlem (ya da gözlem bloğu) modelden dışarıda bırakılarak yapılan tahminlerin hata kareler toplamı, SS ise bağımlı değişkenin ortalamadan sapmalarının kareler toplamıdır. R² modelin uydurulduğu veriye uyumunu ölçer ve her ek değişkenle artar; Q² ise görülmemiş veriye öngörüyü ölçer ve model aşırı uyum yaptığında düşer, hatta negatif olabilir. Q² > 0 modelin yalnız ortalamayla tahminden daha iyi öngördüğünü gösterir.

Kısmi en küçük kareler regresyonunda bileşen eklendikçe Q²'nin artmayı bırakıp düşmeye başladığı nokta bileşen sayısını seçmek için kullanılır. PLS-SEM'de Stone-Geisser Q², 'blindfolding' ile hesaplanır: veri matrisinden her D'nci değer sırayla atlanır, model kalan veriyle kestirilir ve atlanan değerler tahmin edilir. D (atlama uzaklığı) genellikle 5 ile 10 arasında seçilir ve gözlem sayısı D'ye tam bölünmemelidir. Blindfolding'e dayalı Q², tam bir örneklem dışı öngörü testi değildir; bu nedenle PLS-SEM'de PLSpredict gibi k-katlı yaklaşımlar da önerilmektedir.

Gündelik bir örnek

Bir kafe, hava durumu ve gün tipine göre günlük satışını tahmin eden bir model kuruyor; model kendi verisinde R² = 0,85 veriyor. Her gün sırayla dışarıda bırakılıp kalan günlerle kurulan modelle tahmin edildiğinde Q² = 0,62 çıkıyor. Fark, modelin geçmişi açıklamada geleceği öngörmekten daha başarılı göründüğünü ve bir miktar aşırı uyum yaptığını gösteriyor.

MerQur'da

PLS-SEM'de 'Q2 (blindfolding)' onay kutusu ve 'Atlama uzaklığı (D, varsayılan 7)' seçeneği olarak bulunur; Stone-Geisser Q2, yansıtıcı içsel yapılar için çapraz geçerli artıklık yaklaşımıyla hesaplanır. Kısmi en küçük kareler regresyonunda 'Bileşen sayısını CV ile seç' seçeneği her bileşen sayısı için PRESS, RMSECV ve Q2 = 1 - PRESS/SST değerlerini verir.

Bu kavramın geçtiği analizler

Kısmi En Küçük Kareler RegresyonuPLS-SEM

İlgili kavramlar

k-katlı çapraz geçerleme