Съдържание:

Можем ли да извършим регресия върху нелинейни данни?
Можем ли да извършим регресия върху нелинейни данни?

Видео: Можем ли да извършим регресия върху нелинейни данни?

Видео: Можем ли да извършим регресия върху нелинейни данни?
Видео: CASIO fx-991CW fx-570CW CLASSWIZ Calculator Full Example Manual 2024, Ноември
Anonim

Нелинейната регресия може пасват на много повече видове криви, но то мога изискват повече усилия както за намиране на най-подходящия, така и за тълкувам ролята на независимите променливи. Освен това R-квадрат не е валиден за нелинейна регресия , а е невъзможно изчисли p-стойности за оценките на параметрите.

По този начин може ли регресията да бъде нелинейна?

В статистиката, нелинейна регресия е форма на регресия анализ, при който данните от наблюдение се моделират чрез функция, която е a нелинейни комбинация от параметрите на модела и зависи от една или повече независими променливи. Данните се напасват чрез метод на последователни приближения.

Може също така да се запитаме дали r е на квадрат само за линейна регресия? Общата математическа рамка за Р - на квадрат не работи правилно, ако регресионен модел не е линеен . Въпреки този проблем, повечето статистически софтуери все още изчисляват Р - на квадрат за нелинейни модели. Ако използвате Р - на квадрат да избера най-доброто модел , води до правилното само модел 28-43% от времето.

По отношение на това, как изчислявате нелинейната регресия?

Ако вашият модел използва ан уравнение във формата Y = a0 + b1х1, това е линейна регресия модел. Ако не, то е нелинейни.

Y = f(X, β) + ε

  1. X = вектор от p предиктори,
  2. β = вектор от k параметри,
  3. f(-) = известна регресионна функция,
  4. ε = член за грешка.

Какви са видовете регресия?

Видове регресия

  • Линейна регресия. Това е най-простата форма на регресия.
  • Полиномна регресия. Това е техника за напасване на нелинейно уравнение чрез вземане на полиномни функции на независима променлива.
  • Логистична регресия.
  • Квантилна регресия.
  • Ридж регресия.
  • Ласо регресия.
  • Еластична нетна регресия.
  • Регресия на главните компоненти (PCR)

Препоръчано: