Calculateur de R-carré

Qu'est-ce que le R carré ?

Le R carré (R²), aussi appelé coefficient de détermination, mesure dans quelle mesure un modèle de régression explique la variabilité des données. Il représente la proportion de variance de la variable résultat qui est expliquée par les prédicteurs.

Question répondue : « Combien de la variation de Y est expliquée par le modèle ? »

Exemples :

• « Dans quelle mesure les dépenses publicitaires expliquent-elles la variation des ventes ? »
• « Quelle proportion des différences de scores d'examen est expliquée par le temps d'étude ? »
• « Combien de la variation des prix des maisons est capturée par notre modèle ? »

Interpréter le R²

R² = 0,75 signifie :

• 75 % de la variance de Y est expliquée par le modèle
• 25 % reste inexpliquée (due à d'autres facteurs, erreur de mesure, aléa)

Attention : Ce qui compte comme « bon » dépend du domaine. Les sciences sociales ont souvent un R² plus bas que les sciences physiques.

La formule

$R^2 = 1 - \frac{SC_{\text{résiduelle}}}{SC_{\text{totale}}}$

Ou de manière équivalente :

$R^2 = \frac{SC_{\text{régression}}}{SC_{\text{totale}}}$

Où :

• $SC_{\text{totale}} = \sum(y_i - \bar{y})^2$ (variance totale)
• $SC_{\text{régression}} = \sum(\hat{y}_i - \bar{y})^2$ (variance expliquée)
• $SC_{\text{résiduelle}} = \sum(y_i - \hat{y}_i)^2$ (variance inexpliquée)

R² et corrélation

Pour la régression linéaire simple (un prédicteur) :

R² = r² (corrélation de Pearson au carré)

Si r = 0,60, alors R² = 0,36

Ce lien aide l'interprétation : r mesure la force de la relation, R² mesure la variance expliquée.

Exemple de calcul

Données : Les dépenses publicitaires prédisent les ventes

Calculs :

• ȳ = 464
• SC_totale = (200-464)² + ... + (700-464)² = 170 320
• SC_résiduelle = (200-210)² + ... + (700-730)² = 1 600
• R² = 1 - (1 600 / 170 320) = 0,991

Interprétation : 99,1 % de la variation des ventes est expliquée par la publicité.

R² ajusté

Problème avec le R² : Il augmente toujours lors de l'ajout de prédicteurs, même inutiles.

Solution : Le R² ajusté pénalise pour le nombre de prédicteurs :

$R^2_{\text{ajusté}} = 1 - \frac{(1 - R^2)(n - 1)}{n - k - 1}$

Où :

• $n$ = taille d'échantillon
• $k$ = nombre de prédicteurs

Propriétés clés :

• Peut être inférieur au R²
• Peut diminuer lors de l'ajout de prédicteurs inutiles
• Meilleur pour comparer les modèles avec différents nombres de prédicteurs

Exemple : R² vs. R² ajusté

Modèle 1 : 2 prédicteurs, R² = 0,75, n = 50 R²_ajusté = 1 - [(0,25)(49) / 47] = 0,740

Modèle 2 : 5 prédicteurs, R² = 0,77, n = 50 R²_ajusté = 1 - [(0,23)(49) / 44] = 0,744

Malgré un R² plus élevé, le R² ajusté du Modèle 2 n'est que légèrement meilleur — les prédicteurs supplémentaires n'aident guère.

R² en régression multiple

Avec plusieurs prédicteurs, le R² reflète le pouvoir explicatif combiné :

R² = 0,85 avec 4 prédicteurs signifie :

• Les quatre ensemble expliquent 85 % de la variance
• On ne peut pas directement attribuer des portions aux prédicteurs individuels (en raison des corrélations)

Pour l'importance des prédicteurs individuels : Utiliser le R² partiel, le R² semi-partiel, ou les coefficients standardisés.

R² partiel

Mesure la contribution unique d'un prédicteur :

R² partiel_x₁ = R²_complet - R²_sans_x₁

Si R² = 0,85 avec tous les prédicteurs et R² = 0,72 sans X₁ : R² partiel_x₁ = 0,85 - 0,72 = 0,13

X₁ explique uniquement 13 % de la variance au-delà des autres prédicteurs.

Idées fausses courantes

« Un R² plus élevé est toujours mieux »

Faux. Le surapprentissage gonfle le R². Un modèle complexe pourrait avoir R² = 0,99 mais échouer sur de nouvelles données.

« R² = 0,5 signifie que le modèle est inutile »

Faux. Dans les domaines avec une grande variabilité inhérente (psychologie, économie), R² = 0,3 peut être significatif.

« Le R² prouve la causalité »

Faux. Le R² mesure l'association, pas la causalité. Des variables confondantes peuvent expliquer la relation.

« Maximiser le R² lors de la sélection de modèles »

Partiellement faux. Utilisez plutôt le R² ajusté, AIC ou BIC. La validation croisée est encore meilleure.

Quand le R² est faible

Raisons possibles :

1. Prédicteurs importants manquants : Variables clés absentes du modèle
2. Relation non linéaire : Besoin d'une forme de modèle différente
3. Grande variation aléatoire : Imprévisibilité inhérente du résultat
4. Erreur de mesure : Mesures imprécises ajoutant du bruit
5. Mauvais niveau d'analyse : Données individuelles vs. agrégées

Un R² faible ne signifie pas que les prédicteurs sont inutiles — ils peuvent encore avoir des effets significatifs et significatifs.

R² dans différents contextes

Sciences physiques

Souvent R² > 0,90 attendu (conditions contrôlées, mesures précises).

Sciences biologiques

R² = 0,60-0,80 souvent acceptable (variation naturelle).

Sciences sociales

R² = 0,20-0,50 peut être significatif (le comportement humain est complexe).

Économie/Finance

Varie considérablement ; certains phénomènes sont intrinsèquement imprévisibles.

R² pour la comparaison de modèles

Mêmes prédicteurs, échantillons différents : Comparer directement.

Nombres différents de prédicteurs : Utiliser le R² ajusté.

Modèles emboîtés : Utiliser le test F pour une comparaison statistique :

$F = \frac{(R^2_{\text{complet}} - R^2_{\text{réduit}}) / \Delta dl}{(1 - R^2_{\text{complet}}) / dl_{\text{erreur}}}$

R² hors échantillon

R² dans l'échantillon : Calculé sur les données d'entraînement (peut être optimiste).

R² hors échantillon : Calculé sur de nouvelles données (plus réaliste).

La validation croisée fournit une estimation honnête du R² prédictif.

R² hors échantillon négatif : Le modèle prédit pire que simplement utiliser la moyenne.

Alternatives au R²

Erreur quadratique moyenne (EQM)

Erreur de prédiction carrée moyenne. Plus petit est mieux.

Pas borné ; plus difficile à interpréter que le R².

Racine de l'erreur quadratique moyenne (REQM)

√EQM. Mêmes unités que Y.

Plus interprétable que l'EQM.

Erreur absolue moyenne (EAM)

Erreur absolue moyenne. Plus robuste aux valeurs aberrantes.

AIC / BIC

Critères d'information équilibrant ajustement et complexité.

Pour la sélection de modèles, pas l'interprétation.

Rapporter les résultats

Format standard :

« Le modèle a expliqué 72 % de la variance des ventes (R² = ,72, R² ajusté = ,69). Cela indique que les dépenses publicitaires, le prix et la saisonnalité ensemble expliquent une variation substantielle de la performance des ventes. »

Avec significativité :

« Le modèle de régression était significatif, F(3, 96) = 82,4, p < ,001, R² = ,72, expliquant 72 % de la variance du résultat. »

Contexte historique

Le coefficient de détermination a émergé du travail de Karl Pearson sur la corrélation à la fin du 19ème siècle.

L'interprétation comme « proportion de variance expliquée » est devenue standard dans l'analyse de régression développée par Ronald Fisher et d'autres au début du 20ème siècle.

La distinction entre R² et R² ajusté a été formalisée plus tard avec la croissance des préoccupations concernant le surapprentissage avec la régression multiple et la construction de modèles informatisés.

Calculs connexes

• Corrélation de Pearson — r (racine carrée du R² pour la régression simple)
• Régression linéaire — Ajustement de modèle
• Régression multiple — Plusieurs prédicteurs
• Erreur type d'estimation — Erreur de prédiction

Résumé

Le R carré mesure la proportion de variance du résultat expliquée par le modèle de régression. Les valeurs vont de 0 à 1, avec des valeurs plus élevées indiquant un meilleur ajustement. Utiliser le R² ajusté lors de la comparaison de modèles avec différents nombres de prédicteurs. Ce qui compte comme « bon » R² dépend du domaine et de la question de recherche. Rappelez-vous qu'un R² élevé ne prouve pas la causalité ou ne garantit pas de bonnes prédictions sur de nouvelles données. Rapporter à la fois le R² et le R² ajusté aux côtés des tests de significativité pour une évaluation complète du modèle.