Aller au contenu
Omnikalc

Calculateur de R² et de R² ajusté avec test de Fisher

Saisissez les sommes des carrés résiduelle et totale, le nombre d'observations et de variables pour obtenir le R², le R² ajusté, F et sa p-valeur.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

R² ajusté

0,673

Un ajustement modéré : une bonne partie de la variation est expliquée
R² (coefficient de détermination)
0,700
Part de la variation expliquée
70,0 %
Coefficient de corrélation multiple R
0,837
Statistique F du modèle complet
25,67
p-valeur du test de Fisher
0,00000177
Écart-type résiduel de la régression
1,430

Le R² indique la part de la variation d’une variable que le modèle explique, sur une échelle de 0 à 1. Ce calculateur prend les sommes des carrés d’une sortie de régression et donne le R², le R² ajusté, la statistique F et sa p-valeur, pour juger un modèle sans refaire la régression.

Comment se fait le calcul

  • R² = 1 − SCR ÷ SCT, où SCR est la somme des carrés résiduelle et SCT la somme des carrés totale
  • R² ajusté = 1 − (1 − R²) × (n − 1) ÷ (n − k − 1)
  • F = (R² ÷ k) ÷ ((1 − R²) ÷ (n − k − 1)), comparé à la loi de Fisher à k et n − k − 1 degrés de liberté
  • Écart-type résiduel = √(SCR ÷ (n − k − 1))

n est le nombre d’observations et k le nombre de variables explicatives, constante non comprise.

Exemple

Une régression sur 25 observations avec 2 variables explicatives a une SCR de 45 et une SCT de 150. Le R² vaut 1 − 45 ÷ 150 = 0,700 : 70 % de la variation est expliquée. Le R² ajusté vaut 1 − 0,3 × 24 ÷ 22 = 0,673. La statistique F est de 25,7 et la p-valeur est très inférieure à 0,001 : le modèle est globalement significatif. L’écart-type résiduel est de 1,430.

Pourquoi c’est important

Le R² est le premier chiffre lu dans un tableau de régression, et il est facile de le mal interpréter. La version ajustée est la plus juste pour comparer des modèles qui n’ont pas le même nombre de variables, car elle évite de récompenser un modèle simplement parce qu’il est plus gros. Le test de Fisher répond à une autre question : les variables expliquent-elles ensemble plus que le hasard ?

Bon à savoir

Un R² élevé ne signifie pas que la relation est causale, et un R² faible ne veut pas dire qu’elle est sans importance : une variable peut compter même si le phénomène est bruité. Les valeurs aberrantes peuvent fortement gonfler ou réduire le R², et avec peu d’observations par variable, la version ajustée est plus fiable. Regardez aussi le graphique des résidus. Cet outil est pédagogique.

Outils associés

Le calculateur de régression linéaire ajuste une droite à vos données, celui de la significativité d’une corrélation teste un r, et celui de l’écart-type mesure la dispersion.

Questions fréquentes

Qu'est-ce que le R² ?

Le R², ou coefficient de détermination, est la part de la variation de la variable expliquée que le modèle restitue. Il vaut 1 moins la somme des carrés résiduelle divisée par la somme des carrés totale : 0,70 signifie que 70 % de la variation est expliquée.

Pourquoi utiliser le R² ajusté ?

Le R² simple n'est jamais réduit par l'ajout d'une variable, même inutile. Le R² ajusté pénalise chaque variable supplémentaire : il ne monte que si la nouvelle variable améliore l'ajustement plus que le hasard ne le ferait.

Quel R² est considéré comme bon ?

Cela dépend du domaine. Des expériences de physique atteignent 0,95 ou plus, alors que des modèles de comportement humain ou de marchés peuvent être utiles à 0,2 ou 0,3. Une valeur élevée ne prouve pas à elle seule que le modèle est juste : examinez aussi les résidus.

Le R² peut-il être négatif ?

Un R² simple calculé sur les données ajustées ne peut pas être négatif si le modèle contient une constante. La version ajustée peut passer sous zéro quand le modèle fait moins bien que la simple moyenne, tout comme un R² calculé sur de nouvelles données.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.