Adjusted R-squared with fixed-effects model :help please

Bonsoir,

j'ai un panel cylindré et après avoir effectué le test d'Hausman mon modèle est à effet fixe (sachant que j'ai trop de variables binaires: 0-1).

ma question est à propos le R² et le R² ajusté de ma régression.

j'ai utilisé les deux commandes:

* xtreg y x, fe
estimates store fe
* areg y x, absorb(id)
estimates store areg

les deux commandes donnent deux R² différents :
* selon la commande xtreg --> R-sq: within = 0.0082
* selon la commande areg --> R-squared = 0.3650


Lequel je dois utiliser pour montrer à quel point Y est expliqué par X? (comme vous voyez, R² selon la commande areg est le plus intéressant).


Merci d'avance

Pas de réponse ?

Le R2 est le rapport entre la variance expliquée par le modèle et la variance totale de l'échantillon. C'est une mesure de l'ajustement du modèle à l'échantillon lui-même. Le R2 ajusté corrige le R2 du nombre de degré de liberté. Il peut donc plus ou moins être considéré comme une mesure de l'ajustement du modèle à la population dont est issu l'échantillon.

Pour mieux visualiser la différence entre ces deux valeurs, prenons le cas d'une régression polynomiale avec 10 points de mesure à des abscisses différentes. On peut faire passer une polynôme de degré 9 par tous ces points et dans ce cas le R2 vaut 1. On peut aussi voir facilement que le R2 est croissant en fonction du degré du polynôme. Le R2 ajusté passera par un maximum en fonction du degré du polynôme puis va décroitre pour être très mauvais pour un polynôme de degré 9.

Donc, en statistique inférentielle, il faut toujours raisonner à partir du R2 ajusté.

Florent Aubry a écrit:Le R2 est le rapport entre la variance expliquée par le modèle et la variance totale de l'échantillon. C'est une mesure de l'ajustement du modèle à l'échantillon lui-même. Le R2 ajusté corrige le R2 du nombre de degré de liberté. Il peut donc plus ou moins être considéré comme une mesure de l'ajustement du modèle à la population dont est issu l'échantillon.

Pour mieux visualiser la différence entre ces deux valeurs, prenons le cas d'une régression polynomiale avec 10 points de mesure à des abscisses différentes. On peut faire passer une polynôme de degré 9 par tous ces points et dans ce cas le R2 vaut 1. On peut aussi voir facilement que le R2 est croissant en fonction du degré du polynôme. Le R2 ajusté passera par un maximum en fonction du degré du polynôme puis va décroitre pour être très mauvais pour un polynôme de degré 9.

Donc, en statistique inférentielle, il faut toujours raisonner à partir du R2 ajusté.

Merci Florent pour l'explication mais ma question demeure sans réponse

pour se baser sur Adj R-squared il faut opter pour la commande "areg" car la commande "xtreg" ne donne que R-squared

coucou, une réponse SVP c'est urgent !