Coefficiente di determinazione R quadro: interpretazione chiara

Sei davanti alla tabella di una regressione, il docente ha cerchiato R² e tu capisci che da lì dipende metà del commento. Se stai cercando l'interpretazione del coefficiente di determinazione R quadro, la risposta breve è questa: R² indica quanta parte della variabilità della variabile dipendente Y è spiegata dal modello. In una regressione con intercetta, un valore vicino a 1 segnala un forte adattamento ai dati osservati; vicino a 0 indica che il modello spiega poco. Ma non dice da solo che il modello sia causale, giusto in assoluto o valido fuori dal campione. Per interpretarlo bene servono formula, contesto e qualche controllo in più.

È il punto in cui tanti studenti passano da un numero imparato a memoria a una frase finalmente corretta. E proprio qui R² smette di essere un simbolo e diventa un ragionamento.

Che cosa misura davvero R quadro

Nel linguaggio degli esercizi, R² misura la quota di dispersione di Y attorno alla sua media che il modello riesce a spiegare usando le variabili X inserite. Se Y è il voto di un test e X sono ore di studio, frequenza e punteggio degli esercizi, R² ti dice quanto questi fattori aiutano a ricostruire le differenze osservate nei voti.

Il punto chiave è questo: R² non misura quante osservazioni sono previste esattamente e non misura la probabilità di superare un esame. Misura la variabilità spiegata. Per questo, quando in r quadro statistica trovi un valore come 0,64, la lettura corretta è: il modello spiega il 64% della variabilità di Y nel campione considerato, non il 64% dei casi corretti.

Da qui nasce anche l'errore più comune. Molti studenti associano subito valore alto a modello buono e valore basso a modello cattivo. In realtà la bontà di adattamento della regressione va letta dentro il fenomeno studiato: dati molto rumorosi possono produrre R² moderati ma comunque utili; dati molto regolari possono rendere deludente un valore che altrove sembrerebbe discreto.

Se stai ripassando regressione, correlazione e indici di bontà di adattamento, il corso di Statistica Weduup raccoglie lezioni online registrate e on-demand, organizzate in un percorso specifico per il singolo esame, con esercizi e appelli quando previsti.

La formula e i simboli da non confondere

La formula più usata, in una regressione con intercetta, è: R² = 1 - SSE/SST.

Dove:

• Y è la variabile dipendente osservata.
• ŷ_i è il valore stimato dal modello per l'osservazione i.
• ȳ è la media dei valori osservati di Y.
• SSE è la somma dei quadrati dei residui: Σ(y_i - ŷ_i)².
• SST è la somma totale dei quadrati: Σ(y_i - ȳ)².

Se il modello lascia errori piccoli, SSE diminuisce e R² sale. Se il modello spiega poco più della media di Y, SSE resta vicina a SST e R² scende verso 0.

Spesso trovi anche la scrittura R² = SSR/SST, dove SSR è la somma dei quadrati spiegata dal modello, cioè Σ(ŷ_i - ȳ)². Con intercetta vale la scomposizione SSE + SSR = SST, che rende intuitiva l'idea di variabilità totale divisa tra parte spiegata e parte non spiegata.

Attenzione a una scorciatoia frequente all'esame: nella regressione lineare semplice, con una sola variabile esplicativa e intercetta, R² coincide con r², il quadrato della correlazione lineare di Pearson tra X e Y. In regressione multipla questa uguaglianza non vale più in quel modo semplice.

Se nei materiali trovi la dicitura inglese coefficient of determination o la formula commentata come interpretazione R squared, si parla dello stesso indice.

Valori alti, bassi e fuorvianti: come leggerli

Quando R² è basso

Un valore basso segnala che il modello spiega una quota ridotta della variabilità osservata. Non significa automaticamente che il modello sia inutile. Può voler dire che il fenomeno dipende da molte cause non incluse, che i dati sono molto dispersi oppure che la relazione non è lineare e quindi la retta non è la forma giusta.

Quando R² è intermedio

Un valore intermedio chiede prudenza e contesto. In molti esercizi è sufficiente per dire che il modello coglie una parte non trascurabile del comportamento di Y, ma lascia spazio a fattori ulteriori. È meglio scrivere questo che rifugiarsi in formule vaghe come modello discreto o adattamento sufficiente.

Quando R² è alto

Un valore alto indica una forte capacità del modello di adattarsi ai dati osservati. È una notizia utile, ma limitata: parla del campione analizzato e del modello stimato, non certifica che la relazione sia causale, stabile nel tempo o ottima in previsione su dati nuovi.

I casi fuorvianti

• Trend comuni: due variabili che crescono entrambe nel tempo possono generare un R² alto anche se il legame sostanziale è debole.
• Outlier: un'osservazione estrema può spostare la retta e gonfiare o abbassare R².
• Campione ristretto: se osservi X in un intervallo molto limitato, l'indice può cambiare parecchio quando allarghi i dati.
• Forma del modello sbagliata: una relazione curva forzata in forma lineare può restituire un R² mediocre o ingannevole.

L'interpretazione corretta unisce sempre il numero a una frase completa: “Il modello spiega il ... della variabilità di Y nel campione osservato”, seguita da un limite chiaro sul fatto che l'indice non basta da solo.

Quando un R² alto non basta

Qui molti studenti inciampano: vedono 0,90 e chiudono il commento. In realtà è proprio sui valori alti che conviene fare un secondo controllo.

• Più variabili non vuol dire automaticamente modello migliore: aggiungendo regressori, R² tende a non diminuire. Per questo, in regressione multipla, si guarda spesso anche a R² corretto o adjusted R², che penalizza l'aggiunta di variabili poco utili.
• Fit non vuol dire previsione: un modello può adattarsi bene ai dati usati per stimarlo e poi funzionare peggio su dati nuovi.
• Fit non vuol dire causalità: se ometti una variabile rilevante o hai simultaneità, un R² alto non salva l'interpretazione economica o statistica.
• Fit non vuol dire specificazione corretta: residui con pattern sistematico, eteroschedasticità o non linearità restano problemi anche con R² elevato.

Vale anche il contrario: un R² basso non condanna sempre il modello. Se Y è influenzata da molti elementi difficili da misurare, un indice modesto può accompagnarsi a coefficienti utili e interpretabili.

Ricorda poi una finezza che all'esame distingue un commento superficiale da uno solido: con intercetta, R² è di solito compreso tra 0 e 1. Senza intercetta, oppure quando valuti il modello su dati esterni al campione di stima, R² può anche risultare negativo. Non è un paradosso: significa che il modello, secondo quel criterio, fa peggio di una previsione basata soltanto sulla media.

Esempio svolto

Dati e ipotesi

Immagina un caso esemplificativo su cinque studenti. X è il numero di ore di ripasso svolte nella settimana prima di un quiz di statistica; Y è il punteggio ottenuto al quiz, misurato in trentesimi. Stimiamo una retta con intercetta: ŷ = 15 + 2X.

• Osservazione 1: X = 1 ora, Y = 18, ŷ = 17
• Osservazione 2: X = 2 ore, Y = 20, ŷ = 19
• Osservazione 3: X = 3 ore, Y = 21, ŷ = 21
• Osservazione 4: X = 4 ore, Y = 24, ŷ = 23
• Osservazione 5: X = 5 ore, Y = 27, ŷ = 25

Le unità sono coerenti: X è sempre misurata in ore di ripasso nella stessa settimana, Y sempre in punti su 30.

Passaggi di calcolo

1. Calcola la media di Y. ȳ = (18 + 20 + 21 + 24 + 27) / 5 = 22.
2. Calcola SSE. I residui sono 1, 1, 0, 1 e 2 in valore assoluto. La somma dei quadrati dei residui è: (18 - 17)² + (20 - 19)² + (21 - 21)² + (24 - 23)² + (27 - 25)² = 1 + 1 + 0 + 1 + 4 = 7.
3. Calcola SST. La somma totale dei quadrati è: (18 - 22)² + (20 - 22)² + (21 - 22)² + (24 - 22)² + (27 - 22)² = 16 + 4 + 1 + 4 + 25 = 50.
4. Applica la formula. R² = 1 - 7/50 = 0,86.

Lettura corretta: in questo campione e con questa specificazione lineare, il modello spiega l'86% della variabilità dei punteggi del quiz attorno alla loro media. Il restante 14% dipende da fattori non inclusi o da scostamenti casuali.

Lettura scorretta: dire che l'86% degli studenti avrà un voto previsto esattamente, oppure che studiare causa sempre il voto osservato. R² non dice questo.

Controllo finale

• Intervallo plausibile: 0,86 è compreso tra 0 e 1, coerente con una regressione con intercetta.
• Coerenza algebrica: SSE = 7 è minore di SST = 50, quindi il modello migliora rispetto alla sola media.
• Coerenza interpretativa: l'indice misura adattamento ai dati osservati, non qualità causale generale.

Procedura in 5 passi per l'interpretazione

1. Identifica Y. Prima di leggere il numero, chiarisci quale variabile il modello cerca di spiegare.
2. Controlla la forma del modello. Lineare semplice, multipla, con o senza intercetta: il commento cambia.
3. Traduci R² in italiano. Scrivi: “il modello spiega il ... della variabilità di Y nel campione”.
4. Aggiungi un limite. Specifica che R² non prova causalità e non basta da solo per giudicare la qualità complessiva del modello.
5. Collega il numero al contesto. Domandati se il fenomeno studiato è normalmente molto rumoroso o molto regolare.

Questa procedura ti evita due errori tipici: il commento meccanico e la frase troppo assoluta. All'orale, spesso conta proprio questa capacità di mettere il numero dentro un ragionamento.

Checklist operativa prima di consegnare

• Hai detto che si tratta di una quota di variabilità spiegata?
• Hai specificato che l'interpretazione vale per il campione e per quel modello?
• Hai evitato di confondere R² con percentuale di previsioni esatte?
• Hai ricordato, se serve, che in regressione semplice R² = r²?
• Hai verificato se il testo richiede anche R² corretto, residui o test sui coefficienti?

Errori comuni negli esercizi e negli orali

• Dire “R² alto, quindi il modello è giusto”. Un fit elevato non dimostra che la forma funzionale sia corretta né che manchino variabili rilevanti.
• Interpretare R² come causalità. Il fatto che X spieghi statisticamente una parte della variabilità di Y non implica che la causi.
• Scambiare R² per accuratezza classificatoria. In regressione non stai contando quanti casi sono indovinati sì o no.
• Usare soglie universali. Non esiste una frontiera valida per ogni disciplina e per ogni dataset.
• Dimenticare il ruolo dell'intercetta. Molti schemi presentano R² tra 0 e 1 perché assumono il modello con intercetta; togliendo quell'ipotesi, il comportamento dell'indice cambia.
• Concludere senza guardare altro. Coefficienti, segni attesi, residui e finalità dell'analisi restano essenziali.

Se vuoi ricordarlo in modo semplice, pensa così: R² risponde alla domanda “quanto della dispersione di Y viene ricostruita dal modello?”, non alla domanda “il modello è perfetto?”

Autoverifica rapida

1. Se R² = 0,72, puoi scrivere che il 72% dei casi è previsto correttamente? No: puoi dire che il modello spiega il 72% della variabilità di Y nel campione, non che azzecca il 72% delle osservazioni.
2. Se R² è basso, il modello è sempre inutile? No: dipende dal fenomeno, dalla dispersione dei dati e dallo scopo dell'analisi.
3. Se R² è alto, puoi fermarti lì? No: devi controllare specificazione, residui, coerenza dei coefficienti e contesto.
4. Quando R² coincide con il quadrato della correlazione? Nella regressione lineare semplice con una sola X e con intercetta.

Chiusura: trasformare il numero in un commento corretto

Capire il coefficiente di determinazione non significa memorizzare una formula soltanto, ma saper passare da un numero a un'interpretazione pulita: quota di variabilità spiegata, contesto del campione, limiti del modello. È questo passaggio che rende più solido un esercizio di regressione e ti fa evitare i commenti automatici.

Se stai preparando Statistica e vuoi ripassare questi passaggi con ordine, può esserti utile anche la guida dedicata all'esame di Statistica. Per uno studio più strutturato, il corso di Statistica Weduup offre lezioni online registrate e on-demand, organizzate per il singolo esame, fruibili dall'app desktop Weduup per Windows e macOS, con esercizi e appelli quando previsti.