Saltar al contenido
Omnikalc

Calculadora de R² y de R² ajustado con contraste F de Fisher

Introduce las sumas de cuadrados residual y total, el número de observaciones y de variables para obtener el R², el R² ajustado, F y su valor p.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

R² ajustado

0,673

Ajuste moderado: una buena parte de la variación queda explicada
R² (coeficiente de determinación)
0,700
Parte de la variación explicada
70,0 %
Coeficiente de correlación múltiple R
0,837
Estadístico F del modelo completo
25,67
Valor p del contraste F de Fisher
0,00000177
Desviación típica residual de la regresión
1,430

El R² indica la parte de la variación de una variable que explica el modelo, en una escala de 0 a 1. Esta calculadora toma las sumas de cuadrados de una salida de regresión y da el R², el R² ajustado, el estadístico F y su valor p, para juzgar un modelo sin repetir la regresión.

Cómo se hace el cálculo

  • R² = 1 − SCR ÷ SCT, donde SCR es la suma de cuadrados residual y SCT la suma de cuadrados total
  • R² ajustado = 1 − (1 − R²) × (n − 1) ÷ (n − k − 1)
  • F = (R² ÷ k) ÷ ((1 − R²) ÷ (n − k − 1)), que se compara con la distribución F de Fisher con k y n − k − 1 grados de libertad
  • Desviación típica residual = √(SCR ÷ (n − k − 1))

n es el número de observaciones y k el número de variables explicativas, sin contar la constante.

Ejemplo

Una regresión sobre 25 observaciones con 2 variables explicativas tiene una SCR de 45 y una SCT de 150. El R² vale 1 − 45 ÷ 150 = 0,700: el 70 % de la variación queda explicada. El R² ajustado vale 1 − 0,3 × 24 ÷ 22 = 0,673. El estadístico F es de 25,7 y el valor p es muy inferior a 0,001: el modelo es globalmente significativo. La desviación típica residual es de 1,430.

Por qué es importante

El R² es la primera cifra que se lee en una tabla de regresión, y es fácil interpretarla mal. La versión ajustada es la más justa para comparar modelos que no tienen el mismo número de variables, porque evita premiar a un modelo solo por ser más grande. El contraste F de Fisher responde a otra pregunta: ¿explican las variables en conjunto más de lo que lo haría el azar?

Conviene saber

Un R² alto no significa que la relación sea causal, y un R² bajo no quiere decir que carezca de importancia: una variable puede ser relevante aunque el fenómeno tenga mucho ruido. Los valores atípicos pueden inflar o reducir mucho el R², y con pocas observaciones por variable la versión ajustada es más fiable. Mira también el gráfico de residuos. Esta herramienta es didáctica.

Herramientas asociadas

La calculadora de regresión lineal ajusta una recta a tus datos, la de significación de una correlación contrasta un r, y la de desviación típica mide la dispersión.

Preguntas frecuentes

¿Qué es el R²?

El R², o coeficiente de determinación, es la parte de la variación de la variable explicada que reproduce el modelo. Vale 1 menos la suma de cuadrados residual dividida entre la suma de cuadrados total: 0,70 significa que el 70 % de la variación queda explicada.

¿Por qué usar el R² ajustado?

El R² simple nunca disminuye al añadir una variable, aunque sea inútil. El R² ajustado penaliza cada variable adicional: solo sube si la nueva variable mejora el ajuste más de lo que lo haría el azar.

¿Qué R² se considera bueno?

Depende del ámbito. Los experimentos de física alcanzan 0,95 o más, mientras que los modelos de comportamiento humano o de mercados pueden ser útiles con 0,2 o 0,3. Un valor alto no prueba por sí solo que el modelo sea correcto: examina también los residuos.

¿Puede el R² ser negativo?

Un R² simple calculado sobre los datos ajustados no puede ser negativo si el modelo contiene una constante. La versión ajustada puede bajar de cero cuando el modelo lo hace peor que la simple media, igual que un R² calculado sobre datos nuevos.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.