svyglm中的负调整R平方

我有一个大型、加权和分层数据集，其中包括每户二氧化碳排放量。变量

total_co2

等于总和

elec_co2+gas_co2+oil_co2

。在转向更复杂的关系之前，我试图构建一个看似显而易见的模型

svy <- svydesign(id=~i_psu,
                 strata=~i_strata,
                 weights=~i_hhdenui_xw,
                 data=df1)

model <- svyglm(total_co2 ~ elec_co2, svy)
summ(model)

虽然

R^2

表示某种解释力，但

Adj。R^2

为负值，通常被解释为表示相反。在如此简单的关系中，这怎么可能呢？负值从何而来？我应该如何解释它

这是一个简单的数据图。

---

简短回答：调整后的R平方公式允许否定回答，如果所选模型拟合程度比水平线差，则R平方为否定

长答覆： 另一个评论更深入地探讨了负R平方值：

本网页深入介绍了调整后的R平方公式：

---

我建议尝试其他模型，或分别添加电co2、气体co2和石油co2。

简短回答：调整后的R平方公式允许否定回答，如果所选模型的拟合程度比水平线差，则R平方为负

长答覆： 另一个评论更深入地探讨了负R平方值：

本网页深入介绍了调整后的R平方公式：

---

我建议尝试其他型号，或者分别添加电二氧化碳、气体二氧化碳和石油二氧化碳。

你好，莎拉，谢谢你的快速回复。实际上，co2总量被建模为包含elec_co2的总和：

df$total_co2在这种情况下，由于因变量仅为co2总量，因此您可以忽略调整后的R平方。我对线性回归的理解是，只有当有两个或更多因变量时，才使用调整后的R平方。如果你运行的模型包括总co2和电co2（或气体co2或石油co2），调整后的R平方值会变化吗？我试图查看svydesign的文档，找出为什么调整后的R平方会为负值，但我没有找到答案。因此，另一个选择是尝试不同的R包来计算线性回归模型，以检查R平方和调整后的R平方值。我成功地使用了lm（）函数，再次感谢您分享您的经验。事实上，如果我加入气体co2，调节R^2变为正。但是在这个例子中，R^2已经非常接近于1。总的来说，我观察到。我使用加权线性回归和
surveyglm
得到的R^2值比我从标准
glm
中得到的不带权重的值要低得多。我想这与如何通过
surveyglm
将权重合并到adj R^2的计算中有关。现在，我将使用adj R^2的值，而不是作为模型性能的绝对指标，而是作为两个模型之间的相对度量。感谢您的快速回复。实际上，co2总量被建模为包含elec_co2的总和：
df$total_co2在这种情况下，由于因变量仅为co2总量，因此您可以忽略调整后的R平方。我对线性回归的理解是，只有当有两个或更多因变量时，才使用调整后的R平方。如果你运行的模型包括总co2和电co2（或气体co2或石油co2），调整后的R平方值会变化吗？我试图查看svydesign的文档，找出为什么调整后的R平方会为负值，但我没有找到答案。因此，另一个选择是尝试不同的R包来计算线性回归模型，以检查R平方和调整后的R平方值。我成功地使用了lm（）函数，再次感谢您分享您的经验。事实上，如果我加入气体co2，调节R^2变为正。但是在这个例子中，R^2已经非常接近于1。总的来说，我观察到。我使用加权线性回归和
surveyglm
得到的R^2值比我从标准
glm
中得到的不带权重的值要低得多。我想这与如何通过
surveyglm
将权重合并到adj R^2的计算中有关。现在，我将使用adj R^2的值，而不是作为模型性能的绝对指标，而是作为两个模型之间的相对度量
MODEL INFO:
Observations: 6826
Dependent Variable: total_co2
Type: Survey-weighted linear regression 

MODEL FIT:
R² = 0.31
Adj. R² = -1.74 

Standard errors: Robust
---------------------------------------------------
                       Est.    S.E.   t val.      p
----------------- --------- ------- -------- ------
(Intercept)         1962.48   83.68    23.45   0.00
elec_co2               1.27    0.05    23.98   0.00
---------------------------------------------------

Estimated dispersion parameter = 4390445