Parte de correlación de R cuadrado

Question

Este es el resultado que he conseguido después de ejecutar el análisis de regresión lineal en SPSS:

Estoy un poco confundido ¿por qué la suma de los cuadrados de la parte correlaciones no es igual (o menor que) R cuadrado, sino que supera el valor de R cuadrado R cuadrado = 77.7%, la suma de los cuadrados de la parte correlaciones = 88.6%).

---

Editar

La varianza de cada variable se representa por un círculo de área de la unidad. Superficie Total Y cubierta por el X1 y X2 representa la proporción de la varianza explicada por las dos variables independientes (zonas B,C y D). B y D son porciones de Y que se superponen de forma única por X1 y X2. La zona C es la superposición de ambos X1 y X2 con Y. La única áreas (B y D) el cuadrado de la parte coeficiente de correlación. La parte de correlación entre y y X1 de que el X2 se han retirado de la zona B.

R cuadrado es la cantidad de varianza en la variable dependiente explicada por todas las variables en conjunto.

Así, parece lógico que la suma de los cuadrados de la parte de correlación no puede superar el valor de R cuadrado. O estoy equivocado?

Answer 1

La salida muestra una fuerte actividad supresora. Nunca puede ser mostrado en un diagrama de Venn. Un supresor IV es un predictor que además el modelo plantea el $R^2$ mayor que la de sus propios $r^2$ con el DV, porque supresor se correlaciona principalmente con el término de error en el modelo que carece de la supressor, en lugar de correlacionada con la DV. Ahora, sabemos que el aumento en el $R^2$ debido a la inclusión de un IV es la parte de correlación de esta IV en el modelo obtenido. Por lo tanto, si el valor absoluto de parte de correlación es mayor que el valor absoluto de la correlación de orden cero, que la variable es un supresor. En su última tabla vemos que 4 de los 5 factores de predicción son supresores.