Das Bestimmtheitsmaß wird oft falsch interpretiert, meist wird ihm zu viel Bedeutung zugeschrieben. Im Folgenden ein Beispiel, das zeigt, dass man selbst bei einem sehr hohen Bestimmtheitsmaß eventuell keine befriedigenden Ergebnisse bekommen kann:
Nehmen wir an, wir müssen ein Massenspektrometer kalibrieren, dessen Eichkurve durch eine parabolische Regression zwischen Magnetfeld B und der Masse m bestimmt ist. Einzelne Werte der Eichkurve wurden wie folgt gemessen. Die erste Spalte enthält die Magnetfeldwerte, die zweite Spalte die korrekten Massenwerte, und die dritte Spalte fehlerhafte Massenwerte:
B m-correct m-error
133.0 68.998 68.998
186.6 92.995 92.995
201.0 99.994 99.994
237.4 118.992 118.992
259.1 130.992 130.992
279.7 142.992 142.992
321.8 168.989 168.989
340.0 180.989 180.989
357.7 192.989 192.989
374.8 204.989 204.989
394.1 218.986 218.986
410.2 230.986 230.986
426.0 242.986 242.986
441.4 254.986 254.986
458.7 268.982 267.982
473.3 280.982 278.982
487.6 292.982 290.982
531.1 330.979 328.979
544.2 342.979 342.979
584.6 380.976 380.976
596.9 392.976 392.976
646.3 442.973 442.973
657.7 454.973 454.973
669.0 466.973 466.973
682.1 480.970 480.970
Berechnet man die parabolische Eichkurve mit Hilfe der linearen Regression, so bekommt man für die fehlerhaften Massenwerte ein Bestimmtheitsmaß von 0.99997, was vordergründig betrachtet ein exzellentes Ergebnis ist. Allerdings sieht man bei der Betrachtung der Residuen, dass die Genauigkeit der Regression auf ca. 2 Masseneinheiten (-0.5 bis +1.5) begrenzt ist, was für den Betrieb des Spektrometers gänzlich unbrauchbar ist, da ein gut kalibriertes Gerät die Massen auf etwa 0.1 Einheiten genau messen muss.
Die Daten in der Eichtabelle wurden bewusst manipuliert um diesen Effekt und die Unbrauchbarkeit des Bestimmtheitsmaßes zu zeigen. Nimmt man die korrekten Eichwerte, so ergibt sich nach wie vor ein sehr hohes Bestimmtheitsmaß (0.99999986), allerdings sind die Residuen nun um den Faktor 10 besser (Abweichungen im Bereich von +/-0.1 Einheiten).
|