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

Isi kandungan:

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: