Isi kandungan:

Bolehkah kita melakukan regresi pada data bukan linear?
Bolehkah kita melakukan regresi pada data bukan linear?

Video: Bolehkah kita melakukan regresi pada data bukan linear?

Video: Bolehkah kita melakukan regresi pada data bukan linear?
Video: Bagaimana Jika Koefisien Regresi Bernilai Negatif? Apa Arti dan Cara Interpretasinya 2024, November
Anonim

Regresi tak linear boleh sesuai dengan lebih banyak jenis lengkung, tetapi ia boleh memerlukan lebih banyak usaha untuk mencari yang terbaik dan untuk mentafsir peranan pembolehubah bebas. Selain itu, R-squared tidak sah untuk regresi tak linear , dan adalah mustahil untuk mengira nilai-p untuk anggaran parameter.

Dengan cara ini, bolehkah regresi menjadi tak linear?

Dalam statistik, regresi tak linear adalah satu bentuk regresi analisis di mana data pemerhatian dimodelkan oleh fungsi iaitu a tak linear gabungan parameter model dan bergantung pada satu atau lebih pembolehubah bebas. Data dipasang dengan kaedah anggaran berturut-turut.

Seseorang juga mungkin bertanya, adakah r kuasa dua hanya untuk regresi linear? Rangka kerja matematik am untuk R - kuasa dua tidak berfungsi dengan betul jika model regresi tidak linear . Walaupun isu ini, kebanyakan perisian statistik masih mengira R - kuasa dua untuk model tak linear. Jika anda menggunakan R - kuasa dua untuk memilih yang terbaik model , ia membawa kepada yang sepatutnya model sahaja 28-43% masa.

Mengenai ini, bagaimana anda mengira regresi bukan linear?

Jika model anda menggunakan persamaan dalam bentuk Y = a0 + b1X1, ianya adalah regresi linear model. Jika tidak, ia adalah tak linear.

Y = f(X, β) + ε

  1. X = vektor p peramal,
  2. β = vektor bagi parameter k,
  3. f(-) = fungsi regresi yang diketahui,
  4. ε = istilah ralat.

Apakah jenis regresi?

Jenis Regresi

  • Regresi Linear. Ia adalah bentuk regresi yang paling mudah.
  • Regresi Polinomial. Ia adalah teknik untuk menyesuaikan persamaan tak linear dengan mengambil fungsi polinomial pembolehubah bebas.
  • Regresi Logistik.
  • Regresi Kuantil.
  • Regresi Permatang.
  • Regresi Lasso.
  • Regresi Bersih Elastik.
  • Regresi Komponen Utama (PCR)

Disyorkan: