多元非线性回归问题?
我想分析多个自变量和因变量的关系,先建立各个自变量和因变量的一元回归方程,然后在将这些方程相加,重新求出变量a、b、c...,得出多元非线性回归方程,这种方法正确吗,出自...
我想分析多个自变量和因变量的关系,先建立各个自变量和因变量的一元回归方程,然后在将这些方程相加,重新求出变量a、b、c...,得出多元非线性回归方程,这种方法正确吗,出自哪里呀,我是从文献中看别人用的这种方法
展开
展开全部
1。 线性回归和非线性回归没有实质性的区别,都是寻找合适的参数去满足已有数据的规律。拟和出来的方程(模型)一般用来内差计算或小范围的外差。
2。 Y与X之间一般都有内部联系,如E=m*c^2. 所以回归前可收集相关信息,或可直接应用。
3。 Y 和每个X之间作出散点图,观察他们的对应关系。如果是线性的,改参数可以适用线性回归;否则,可考虑非线性回归。
4。 线性回归可直接用最小二乘法计算对应系数,对系数做假设检验(H0: b=0, Ha: b<>0), 排除影响小的变量,再次回归即可; 非线性可以考虑对X或Y作变换,如去对数,平方,开方,指数等,尽可能转化为线性回归即可。
5。参考拟和优度R^2 和方差S,对模型的准确性有一定的认识。
一般六西格玛黑带教程会设计到此类问题,黑带大师教程有更详细的过程分析。
希望以上回答了你的问题。
2。 Y与X之间一般都有内部联系,如E=m*c^2. 所以回归前可收集相关信息,或可直接应用。
3。 Y 和每个X之间作出散点图,观察他们的对应关系。如果是线性的,改参数可以适用线性回归;否则,可考虑非线性回归。
4。 线性回归可直接用最小二乘法计算对应系数,对系数做假设检验(H0: b=0, Ha: b<>0), 排除影响小的变量,再次回归即可; 非线性可以考虑对X或Y作变换,如去对数,平方,开方,指数等,尽可能转化为线性回归即可。
5。参考拟和优度R^2 和方差S,对模型的准确性有一定的认识。
一般六西格玛黑带教程会设计到此类问题,黑带大师教程有更详细的过程分析。
希望以上回答了你的问题。
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询