Sisukord:

Kuidas arvutate mittelineaarset regressiooni?
Kuidas arvutate mittelineaarset regressiooni?

Video: Kuidas arvutate mittelineaarset regressiooni?

Video: Kuidas arvutate mittelineaarset regressiooni?
Video: Kuidas alustada ettevõtlusega Amazonis + näide kohe proovimiseks! 2024, Mai
Anonim

Kui sinu mudel kasutab an võrrand kujul Y = a0 + b1X1, see on lineaarse regressiooni mudel . Kui ei, siis on mittelineaarne.

Y = f(X, β) + e

  1. X = p ennustaja vektor,
  2. β = k parameetri vektor,
  3. f(-) = a tuntud regressioon funktsioon,
  4. ε = veatermin.

Samamoodi küsitakse, mis on mittelineaarne regressioonimudel?

Statistikas mittelineaarne regressioon on vorm regressioonianalüüs milles vaatlusandmeid modelleeritakse funktsiooniga mis on mittelineaarne kombinatsioon mudel parameetrid ja sõltub ühest või mitmest sõltumatust muutujast. Andmed on sobitatud järjestikuste lähenduste meetodil.

Teiseks, milleks kasutatakse mittelineaarset regressiooni? Mittelineaarne regressioon on vorm regressioon analüüs, mille käigus andmed sobivad mudeliga ja väljendatakse seejärel matemaatilise funktsioonina. Mittelineaarse regressiooni kasutamine logaritmfunktsioonid, trigonomeetrilised funktsioonid, eksponentsiaalfunktsioonid ja muud sobitusmeetodid.

Kuidas sel viisil määrata lineaarset või mittelineaarset regressiooni?

A lineaarne regressioon võrrand lihtsalt võtab terminid kokku. Samal ajal kui mudel peab olema lineaarne parameetrites saate sõltumatut muutujat kõvera sobitamiseks eksponendi võrra tõsta. Näiteks võite lisada ruudukujulise või kuubikujulise termini. Mittelineaarne regressioon mudelid on kõik, mis ei järgi seda ühte vormi.

Millised on regressiooni tüübid?

Regressiooni tüübid

  • Lineaarne regressioon. See on regressiooni lihtsaim vorm.
  • Polünoomiline regressioon. See on meetod mittelineaarse võrrandi sobitamiseks sõltumatu muutuja polünoomfunktsioonide võtmise teel.
  • Logistiline regressioon.
  • Kvantiilne regressioon.
  • Ridge'i regressioon.
  • Lasso regressioon.
  • Elastne netoregressioon.
  • Põhikomponentide regressioon (PCR)

Soovitan: