Despite the fact that R-squared is

Despite the fact that R-squared is a unitless statistic, there is no absolute
standard for what is a "good" value. A regression model fitted to non-stationary time
series data can have an R-squared of 99% and yet be inferior to a simple random walk
model. On the other hand, a regression model fitted to stationarized time series data
might have an R-squared of 10%-20% and be considered quite good. When working
with stationary stock return data, R-squared values as low as 5% might even be
considered significant--if they hold up out-of-sample!

ผลลัพธ์ (ไทย) 1:

ทั้ง ๆ ที่ลอการิทึมสถิติ unitless มีไม่สัมบูรณ์มาตรฐานสำหรับเป็นค่า "ดี" แบบจำลองถดถอยที่พอดีกับเวลาไม่เขียนชุดข้อมูลสามารถมีการลอการิทึมของ 99% และยัง มีน้อยการเดินสุ่มอย่างง่ายแบบจำลอง บนมืออื่น ๆ แบบจำลองถดถอยที่พอดีกับข้อมูลอนุกรมเวลา stationarizedอาจเป็นลอการิทึมของ 10% - 20% และถือว่าดีมาก เมื่อทำงานข้อมูลหุ้นคืนเครื่องเขียน ลอการิทึมค่าต่ำเป็น 5% อาจแม้แต่จะถือว่าสำคัญ — ถ้าพวกเขาเก็บค่าออกของตัวอย่าง

ผลลัพธ์ (ไทย) 2:

แม้จะมีความจริงที่ว่า R-squared เป็นสถิติที่ unitless ไม่มีแน่นอน
มาตรฐานสำหรับสิ่งที่เป็นค่าที่ "ดี" ตัวแบบการถดถอยพอดีกับเวลาที่ไม่หยุดนิ่ง
ข้อมูลอนุกรมสามารถมี R-กำลังสอง 99% และยังจะด้อยกว่าเดินสุ่มอย่างง่าย
รูปแบบ ในทางตรงกันข้าม, แบบการถดถอยพอดีกับเวลาที่ข้อมูลชุด stationarized
อาจมี R-กำลังสอง 10% -20% และได้รับการพิจารณาค่อนข้างดี เมื่อทำงานร่วม
กับหุ้นนิ่งข้อมูลผลตอบแทนค่า R-squared ต่ำเป็น 5% แม้อาจจะ
ถือว่ามีนัยสำคัญ - ถ้าพวกเขาถือขึ้นออกจากตัวอย่าง!

ผลลัพธ์ (ไทย) 3:

แม้จะมีความจริงที่ว่า r-squared เป็นสถิติ unitless ไม่มีแน่นอน
มาตรฐานสำหรับสิ่งที่ " คุ้มค่า " เป็นแบบจำลองการถดถอยประกอบกับข้อมูลเวลา non-stationary
ชุดสามารถมี r-squared 99% และยังด้อยกว่าแบบเดิน
สุ่มอย่างง่าย บนมืออื่น ๆ , แบบจำลองการถดถอยประกอบกับข้อมูลอนุกรมเวลา stationarized
อาจจะมี r-squared 10% - 20% และถือว่าค่อนข้างดีเมื่อทำงานกับข้อมูลหุ้นคืน
เครื่องเขียน r-squared ค่าต่ำสุดที่ 5% อาจ
ถือว่าสำคัญ -- ถ้าพวกเขาถือออกจากตัวอย่าง !