非线性回归方程的四种转换方式

发表时间：2024-07-27 22:35:05 来源：网友投稿

1、作回归分析要有实际意义，不能把毫无关联的两种现象，随意进行回归分析，忽视事物现象间的内在联系和规律；如对儿童身高与小树的生长数据进行回归分析既无道理也无用途。

另外即使两个变量间存在回归关系时，也不一定是因果关系，必须结合专业知识作出合理解释和结论。

2、直线回归分析的资料，一般要求应变量Y是来自正态总体的随机变量，自变量X可以是正态随机变量，也可以是精确测量和严密控制的值。

若稍偏离要求时，一般对回归方程中参数的估计影响不大，但可能影响到标准差的估计，也会影响假设检验时P值的真实性。

3、进行回归分析时，应先绘制散点图（scatter plot）。

若提示有直线趋势存在时，可作直线回归分析；若提示无明显线性趋势，则应根据散点分布类型，选择合适的曲线模型（curvilinear modal），经数据变换后，化为线性回归来解决。

一般说不满足线性条件的情形下去计算回归方程会毫无意义，最好采用非线性回归方程的方法进行分析。

4、绘制散点图后，若出现一些特大特小的离群值（异常点），则应及时复核检查，对由于测定、记录或计算机录入的错误数据，应予以修正和剔除。

否则异常点的存在会对回归方程中的系数a、b的估计产生较大影响。

5、回归直线不要外延。

直线回归的适用范围一般以自变量取值范围为限，在此范围内求出的估计值称为内插（interpolation）；超过自变量取值范围所计算的称为外延（extrapolation）。

若无充足理由证明，超出自变量取值范围后直线回归关系仍成立时，应该避免随意外延。

免责声明：本站发布的教育资讯（图片、视频和文字）以本站原创、转载和分享为主，文章观点不代表本网站立场。

如果本文侵犯了您的权益，请联系底部站长邮箱进行举报反馈，一经查实，我们将在第一时间处理，感谢您对本站的关注！