svyglm 中的负调整 R 平方

Question

我有一个大型的、加权的和分层的数据集，其中包含每个家庭的二氧化碳排放量。变量 total_co2 等于总和 elec_co2 + gas_co2 + oil_co2。在转向更复杂的关系之前，我试图构建一个看似显而易见的模型。

svy <- svydesign(id=~i_psu,
                 strata=~i_strata,
                 weights=~i_hhdenui_xw,
                 data=df1)

model <- svyglm(total_co2 ~ elec_co2, svy)
summ(model)

MODEL INFO:
Observations: 6826
Dependent Variable: total_co2
Type: Survey-weighted linear regression 

MODEL FIT:
R² = 0.31
Adj. R² = -1.74 

Standard errors: Robust
---------------------------------------------------
                       Est.    S.E.   t val.      p
----------------- --------- ------- -------- ------
(Intercept)         1962.48   83.68    23.45   0.00
elec_co2               1.27    0.05    23.98   0.00
---------------------------------------------------

Estimated dispersion parameter = 4390445

虽然R^2表示一定的解释力，但Adj. R^2是负面的，通常被解释为相反。在如此简单的关系中，这怎么可能？负值从何而来，我该如何解读？

这是一个简单的数据图。

Answer 1

简答：调整后的 R 平方公式允许否定答案，如果所选模型拟合得比水平线差，则 R 平方为负。

长答案：这条评论更深入地探讨了负 R 平方值： https://stats.stackexchange.com/q/12991

此网页深入探讨了调整后的 R 平方公式： https://www.statisticshowto.com/adjusted-r2/

我建议尝试其他型号或分别添加 elec_co2、gas_co2 和 oil_co2。

Answer 2

调整 R 方的负值是由于 jtools 的 summ 函数中的一个错误。此处提供更多信息：https://github.com/jacob-long/jtools/issues/112

svyglm 中的负调整 R 平方

Negative adjusted R squared in svyglm

statistics

r

survey

data-science