Sisällysluettelo:

Kuinka lasket epälineaarisen regression?
Kuinka lasket epälineaarisen regression?

Video: Kuinka lasket epälineaarisen regression?

Video: Kuinka lasket epälineaarisen regression?
Video: Diagnosis & Management of POTS, 2017 2024, Saattaa
Anonim

Jos sinun malli - käyttää an yhtälö muodossa Y = a0 + b1X1, se on a lineaarinen regressiomalli . Jos ei, niin on epälineaarinen.

Y = f(X, p) + e

  1. X = p ennustajan vektori,
  2. β = k parametrin vektori,
  3. f(-) = a tunnettu regressio toiminto,
  4. ε = virhetermi.

Vastaavasti kysytään, mikä on epälineaarinen regressiomalli?

Tilastoissa mm. epälineaarinen regressio on muoto taantumisanalyysi jossa havaintotiedot mallinnetaan funktiolla joka on epälineaarinen yhdistelmä malli - parametrit ja riippuu yhdestä tai useammasta riippumattomasta muuttujasta. Tiedot sovitetaan peräkkäisten approksimaatioiden menetelmällä.

Toiseksi, mihin epälineaarista regressiota käytetään? Epälineaarinen regressio on muoto regressio analyysi, jossa data sovitetaan malliin ja ilmaistaan sitten matemaattisena funktiona. Epälineaarisen regression käyttötavat logaritmiset funktiot, trigonometriset funktiot, eksponentiaaliset funktiot ja muut sovitusmenetelmät.

Kuinka tällä tavalla määrität lineaarisen tai epälineaarisen regression?

A lineaarinen regressio yhtälö yksinkertaisesti summaa termit. Samalla kun malli - täytyy olla lineaarinen parametreissa voit nostaa riippumattoman muuttujan eksponentin verran käyrälle sopivaksi. Voit esimerkiksi sisällyttää neliön tai kuution termin. Epälineaarinen regressio mallit ovat kaikkea, mikä ei noudata tätä yhtä muotoa.

Mitkä ovat regression tyypit?

Regression tyypit

  • Lineaarinen regressio. Se on yksinkertaisin regression muoto.
  • Polynomiregressio. Se on tekniikka epälineaarisen yhtälön sovittamiseksi ottamalla riippumattoman muuttujan polynomifunktiot.
  • Logistinen regressio.
  • Kvantiili regressio.
  • Ridge Regressio.
  • Lasson regressio.
  • Elastinen nettoregressio.
  • Pääkomponenttien regressio (PCR)

Suositeltava: