统计 - 调整后的R平方
R平方测量由自变量（X）解释的因变量（Y）变量在线性回归模型中的比例。 调整的R平方根据模型中的独立变量的数量调整统计量。$ {R ^ 2} $显示术语（数据点）适合曲线或线的程度。 调整的$ {R ^ 2} $也指示条件拟合曲线或线的程度，但调整模型中的项数。 如果你给模型添加越来越多的无用的变量，调整的r平方将减少。 如果添加更多有用的变量，调整的r平方将增加。
调整后的$ {R_ {adj} ^ 2} $将始终小于或等于$ {R ^ 2} $。 在处理样本时，您只需要$ {R ^ 2} $。 换句话说，当有整个群体的数据时，$ {R ^ 2} $不是必需的。
式
$ {R_ {adj} ^ 2 = 1 - [\\ frac {（1-R ^ 2）（n-1）} {n-k-1}] $
其中 -
$ {n} $ =数据样本中的点数。
$ {k} $ =独立回归者的数量，即模型中的变量数，不包括常量。
例子
问题陈述:
一个基金的样本R平方值接近0.5，毫无疑问，它为5个预测变量提供了更高的风险调整回报，样本量为50。 查找调整后的R平方值。
解决方案:
样本大小= 50预测器数目= 5样本R平方= 0.5。提出方程中的质量，
$ {R_{adj}^2 = 1 - [\frac{(1-0.5^2)(50-1)}{50-5-1}] \\[7pt]
\, = 1 - (0.75) \times \frac{49}{44} , \\[7pt]
\, = 1 - 0.8352 , \\[7pt]
\, = 0.1648 }$