En $t$ -valores y $R^2$ se utilizan para juzgar cosas muy distintas. En $t$ -valores se utilizan para juzgar la exactitud de su estimación de la $\beta_i$ pero $R^2$ mide la cantidad de variación de la variable de respuesta explicada por las covariables. Supongamos que está estimando un modelo de regresión con $n$ observaciones,
$$ Y_i = \beta_0 + \beta_1X_{1i} + ...+ \beta_kX_{ki}+\epsilon_i $$
donde $\epsilon_i\overset{i.i.d}{\sim}N(0,\sigma^2)$ , $i=1,...,n$ .
Grande $t$ -(en valor absoluto) le llevan a rechazar la hipótesis nula de que $\beta_i=0$ . Esto significa que puede estar seguro de haber estimado correctamente el signo del coeficiente. Además, si $|t|$ >4 y tienes $n>5$ entonces 0 no está en un intervalo de confianza del 99% para el coeficiente. La dirección $t$ -valor de un coeficiente $\beta_i$ es la diferencia entre la estimación $\hat{\beta_i}$ y 0 normalizado por el error estándar $se\{\hat{\beta_i}\}$ .
$$ t=\frac{\hat{\beta_i}}{se\{\hat{\beta_i}\}} $$
que no es más que la estimación dividida por una medida de su variabilidad. Si se dispone de un conjunto de datos lo suficientemente amplio, siempre se obtendrán valores estadísticamente significativos (grandes). $t$ -valores. Esto no significa necesariamente que sus covariables expliquen gran parte de la variación de la variable de respuesta.
Como mencionó @Stat, $R^2$ mide la cantidad de variación de la variable de respuesta explicada por las variables dependientes. Para obtener más información sobre $R^2$ Ir a wikipedia . En su caso, parece que tiene un conjunto de datos lo suficientemente grande como para estimar con precisión la $\beta_i$ 's, pero sus covariables hacen un pobre trabajo de explicar y \or predecir los valores de respuesta.
2 votos
Apuesto a que tu $n$ es moderadamente grande, ¿verdad?
0 votos
@Glen_b sí, alrededor de 6000.
12 votos
Entonces grande $t$ -que se asocian a pequeñas $R^2$ es totalmente anodina. Dado que los errores estándar disminuyen a medida que $1/\sqrt{n}$ , $t$ -aumentarán a medida que $\sqrt{n}$ mientras que $R^2$ tenderá a permanecer constante al aumentar $n$ . ¿Por qué te importa lo que el $R^2$ ¿es? ¿Por qué te importan los ratios t?