R-kare

Bu derste korelasyon ve regresyon analizlerinin en çok yorumlanan ölçütlerinden biri olan R-kare'yi (belirleme katsayısı) sıfırdan işliyoruz: neyi ölçer, nasıl hesaplanır, sonuç nasıl yorumlanır ve hangi yanılgılardan kaçınmalısın? Temeli atlamak istemezsen önce Korelasyon nedir? dersine göz atabilirsin; serinin tamamı için İstatistik dersleri sayfamız seni bekliyor.

R-kare Nedir?

R-kare (R²), belirleme katsayısı olarak da bilinir ve kısaca şöyle tanımlanır: bağımlı değişkendeki toplam değişkenliğin, modeldeki bağımsız değişken(ler) tarafından açıklanan oranıdır. 0 ile 1 arasında değer alır ve çoğu zaman yüzde olarak ifade edilir; R² = 0,64 demek, değişkenliğin %64'ünün modelle açıklanabildiği demektir. Pratikte R-kare, doğrusal regresyon modelinin veriye ne kadar iyi oturduğunun bir rapor kartı gibidir: sayı yükseldikçe model, gözlenen değerleri yalnızca ortalama kullanmaktan daha isabetli açıklıyor demektir.

R-kare Nasıl Hesaplanır?

R-kare, toplam değişkenliğin içinden modelin açıkladığı payın ölçülmesiyle bulunur. Bunun için üç temel büyüklüğü tanıman gerekir:

• SST (Toplam Kareler Toplamı): Gözlenen y değerlerinin ortalamadan sapmalarının kareleri toplamı; verideki toplam değişkenliktir.
• SSR (Açıklanan Kareler Toplamı): Regresyon denkleminin, yani doğrunun açıkladığı değişkenlik.
• SSE (Hata Kareler Toplamı): Modelin açıklayamadığı, artık (hata) değerlerden gelen değişkenlik.

Bu üç büyüklükle R-kare iki biçimde yazılabilir:

• R² = SSR / SST (açıklanan payın toplam değişkenliğe oranı)
• R² = 1 − SSE / SST (toplamdan açıklanamayan kısmın çıkarılması)

Küçük bir örnekle görelim: Bir sınıfta puanlara ait SST = 180, modelin açıklayamadığı hata toplamı SSE = 45 olsun. R² = 1 − 45/180 = 1 − 0,25 = 0,75 bulunur; yani değişkenliğin %75'i açıklanıyor. Basit doğrusal regresyonda bir kısayol daha vardır: R-kare, korelasyon katsayısının karesidir. Örneğin r = 0,90 ise R² = 0,90 × 0,90 = 0,81'dir.

R-kare Nasıl Yorumlanır? Somut Bir Örnek

Sekiz öğrencinin günlük ders çalışma saati (x) ile sınav puanını (y) incelediğini ve kurduğun doğrusal model için R² = 0,81 çıktığını varsayalım. Bu sayı şöyle okunur: sınav puanlarındaki değişkenliğin %81'i çalışma süresiyle açıklanabilir; kalan %19 ise uykuya, sınav kaygısına, yeteneğe gibi modelde olmayan etkenlere aittir. Dikkat: R-kare puanların kendisinin %81'ini değil, puanlardaki değişkenliğin (dalgalanmanın) %81'ini açıkladığını söyler; bu ayrım sınav sorularının gözdesidir.

Ayrıca R-kare yön bilgisi taşımaz: ilişkinin artan mı azalan mı olduğunu bu sayıdan okuyamazsın. Yön ayrımı için pozitif ve negatif korelasyon dersine bakman gerekir.

R-kare ile Korelasyon Katsayısı Arasındaki Fark

İki ölçü birbirine karıştırılır; farkları liste hâlinde görmek netleştirir:

• Değer aralığı: r −1 ile +1 arasında; R² 0 ile 1 arasındadır.
• Yön bilgisi: r'nin işaretinden ilişkinin yönü okunur; R² işaretsizdir, yön söylemez.
• Anlam: r ilişkinin gücü ve yönünü, R² ise modelin açıklama payını verir.
• İlişki: Basit doğrusal modelde R² = r². Dolayısıyla r = −0,80 ile r = +0,80 için R-kare aynıdır (0,64); ilişkinin hangi yönde güçlü olduğu R-kareden çıkarılamaz.

R-kare Kaç Olmalı?

Her alana uyan sihirli bir eşik yoktur; beklenti bilim dalına ve verinin doğasına göre değişir:

• Fen ve mühendislik: Laboratuvar koşullarında ilişkiler çok net olduğundan 0,90 üzeri değerler olağandır.
• Sosyal bilimler ve ekonomi: İnsan davranışları çok etkenli olduğundan 0,30–0,50 arası değerler bile anlamlı sayılabilir.
• Düşük R-kare: Model işe yaramaz demek değildir; önemli bir değişken eksik olabilir ya da olay doğası gereği dalgalı olabilir.
• Yüksek R-kare: Model doğru demek de değildir; gereksiz değişken eklenerek ya da veriye aşırı uyum sağlanarak şişirilebilir.

Bilmen gereken teknik bir ayrıntı vardır: bağımsız değişken ekledikçe R-kare asla düşmez, en azından aynı kalır. Bu yüzden modeller karşılaştırılırken ayarlanmış R-kare (adjusted R²) de raporlanır; ayarlanmış R-kare, yeni eklenen değişken gerçekten katkı sağlamıyorsa cezalandırır ve daha dürüst bir karşılaştırma sunar.

Sık Yapılan Hatalar ve Yanılgılar

• “R-kare yüksekse nedensellik vardır.” Yanlış: R-kare yalnızca açıklama gücünü gösterir; değişkenler arasındaki ilişkinin neden-sonuç olduğu anlamına gelmez. Bu ayrıntıyı korelasyon nedensellik midir? dersinde ayrıca işledik.
• “R-kare ile korelasyon katsayısı aynı şeydir.” Değil: Basit regresyonda biri diğerinin karesidir; R² işaret kaybına uğrar ve yön bilgisi vermez.
• “R² = 0,50, puanların yarısını doğru tahmin ediyor demektir.” Hayır: Açıklanan şey puanların yarısı değil, puanlardaki değişkenliğin yarısıdır.
• “Değişken ekledikçe R² artıyor, modelimiz iyileşiyor.” Her eklenen değişken R-kareyi artırır ama bu, gerçek bir iyileşme anlamına gelmez; ayarlanmış R-kareye ve modelin mantığına bakılır.
• “R² tek başına yeterli bir başarı ölçütüdür.” Eksik: Artıkların deseni, aykırı gözlemler ve modelin kuruluş amacı da mutlaka incelenmelidir.