Waar wordt niet-lineaire regressie voor gebruikt?
Waar wordt niet-lineaire regressie voor gebruikt?

Video: Waar wordt niet-lineaire regressie voor gebruikt?

Video: Waar wordt niet-lineaire regressie voor gebruikt?
Video: Statistics 101: Nonlinear Regression, The Very Basics 2024, Mei
Anonim

Niet-lineaire regressie is een vorm van regressie analyse waarin gegevens in een model passen en vervolgens worden uitgedrukt als een wiskundige functie. Niet-lineaire regressie gebruikt logaritmische functies, trigonometrische functies, exponentiële functies, machtsfuncties, Lorenz-curven, Gauss-functies en andere aanpassingsmethoden.

Dit in overweging nemend, wat is niet-lineaire regressieanalyse?

In statistieken, niet-lineaire regressie is een vorm van regressie analyse waarin waarnemingsgegevens worden gemodelleerd door een functie die a niet-lineair combinatie van de model - parameters en hangt af van een of meer onafhankelijke variabelen. De gegevens zijn voorzien van een methode van opeenvolgende benaderingen.

Kunnen we naast het bovenstaande regressie uitvoeren op niet-lineaire gegevens? Niet-lineaire regressie kan passen op veel meer soorten rondingen, maar het is kan meer inspanning vergen, zowel om de beste pasvorm te vinden als om interpreteren de rol van de onafhankelijke variabelen. Bovendien is R-kwadraat niet geldig voor niet-lineaire regressie en het is onmogelijk om berekenen p-waarden voor de parameterschattingen.

Precies, wat is lineaire en niet-lineaire regressie?

Veel mensen denken dat het verschil tussen lineaire en niet-lineaire regressie is dat lineaire regressie omvat lijnen en niet-lineaire regressie omvat bochten. Lineaire regressie gebruikt een lineair vergelijking in één basisvorm, Y = a +bx, waarbij x de verklarende variabele is en Y de afhankelijke variabele: Y = a0 + b1x1.

Is regressie altijd lineair?

Lineaire regressie Vergelijkingen Maar wat betekent dat eigenlijk? In statistieken, een regressie vergelijking (of functie) is lineair wanneer is het lineair in de parameters. Terwijl de vergelijking moet zijn lineair in de parameters kunt u de voorspellervariabelen transformeren op manieren die kromming produceren.

Aanbevolen: