¿Cómo r-squared entre variables de predicción en regresión múltiple?

Question

Acabo de leer un artículo en el que los autores llevaron a cabo una regresión múltiple con dos predictores. El general r-cuadrado valor fue de 0,65. Se proporciona una tabla que divide el r-cuadrado entre los dos predictores. La mesa se veía así:

            rsquared beta    df pvalue
whole model     0.65   NA  2, 9  0.008
predictor 1     0.38 1.01 1, 10  0.002
predictor 2     0.27 0.65 1, 10  0.030

En este modelo, corrió en R el uso de la mtcars conjunto de datos, el total del valor de r cuadrado es de 0.76.

summary(lm(mpg ~ drat + wt, mtcars))

Call:
lm(formula = mpg ~ drat + wt, data = mtcars)

Residuals:
    Min      1Q  Median      3Q     Max 
-5.4159 -2.0452  0.0136  1.7704  6.7466 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   30.290      7.318   4.139 0.000274 ***
drat           1.442      1.459   0.989 0.330854    
wt            -4.783      0.797  -6.001 1.59e-06 ***
---
Signif. codes:  0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1

Residual standard error: 3.047 on 29 degrees of freedom
Multiple R-squared:  0.7609,    Adjusted R-squared:  0.7444 
F-statistic: 46.14 on 2 and 29 DF,  p-value: 9.761e-10

¿Cómo puedo dividir el valor de r cuadrado entre las dos variables predictoras?

Answer 1

Además de la respuesta de Juan, usted puede obtener el cuadrado de la semi-correlaciones parciales para cada predictor.

• No predictores: Si los predictores son ortogonales (es decir, no correlacionados), entonces el cuadrado de la semi-correlaciones parciales será el mismo que el cuadrado de las correlaciones de orden cero.
• Correlación predictores: Si los predictores están correlacionadas, entonces el cuadrado de la semi-correlación parcial se representan la única variación se explica por un determinado predictor. En este caso, la suma de los cuadrados de las semi-correlaciones parciales serán menos de $R^2$. Esta restante de la variación explicada va a representar la varianza explicada por más de una variable.

Si usted está buscando para una función de R hay spcor() en la ppcor paquete.

También puede ser que desee considerar el tema más amplio de la evaluación de importancia variable en la regresión múltiple (por ejemplo, véase esta página sobre el relaimpo paquete).

Answer 2

Puedes conseguir las dos correlaciones independientes y les cuadrado o dos ejecución separan los modelos y Obtén la R ^ 2. Serán sólo en definitiva si los predictores son ortogonales.