R'nin nls'larına uyumun iyiliği nasıl okunur?

Ben nls () çıktısını yorumlamaya çalışıyorum. Bunu okudum yazıyı ama hala en uygun seçim nasıl anlamıyorum. Benim uyar iki çıktı var:

> summary(m)

  Formula: y ~ I(a * x^b)

  Parameters:
  Estimate Std. Error t value Pr(>|t|)    
  a 479.92903   62.96371   7.622 0.000618 ***
  b   0.27553    0.04534   6.077 0.001744 ** 
  ---
  Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

  Residual standard error: 120.1 on 5 degrees of freedom

  Number of iterations to convergence: 10 
  Achieved convergence tolerance: 6.315e-06

> summary(m1)

  Formula: y ~ I(a * log(x))

  Parameters:
  Estimate Std. Error t value Pr(>|t|)    
  a   384.49      50.29   7.645 0.000261 ***
  ---
  Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

  Residual standard error: 297.4 on 6 degrees of freedom

  Number of iterations to convergence: 1 
  Achieved convergence tolerance: 1.280e-11

İlki iki parametreye ve daha küçük artık hataya sahiptir. İkinci sadece bir parametre ama en kötü artık hata. Hangisi en uygun?

r least-squares nonlinear-regression goodness-of-fit

— emanuele
kaynak

Bir modeli değerlendirmek için bir veya iki özet istatistiğe bakmaktan çok daha fazlası vardır. Kalanlar neye benziyor? Verilerden herhangi biri çok fazla kaldıraç sergiliyor mu? Uyum teşhisinin iyiliği ne diyor? Teori bu modellerden birinin tercih edilmesi gerektiğini öne sürüyor mu? Hangi değerleri için bu uyumlar önemli ölçüde farklılık gösterir ve bu önemli mi? Vb

x

$x$

— whuber

AICBir yorumun AIC'nin genellikle nlsuyum seçimi için geçerli olmadığı konusunda zorlayıcı bir durum ortaya çıkardığı için kullanılması önerildi cevabımı sildim . Her zaman, özellikle de veri seti sizinki kadar küçükse, mekanik bilgiye dayanan doğrusal olmayan bir modele karar vermeye çalışırdım.

— Roland

Hmmm. @ Roland'ın şimdi silinmiş yanıtı hakkındaki orijinal yorumcu yorumu yeniden yayınlamak ister mi? AIC'nin neden uygun olmayacağı bana açık değil ... ( stat.ethz.ch/pipermail/r-help/2010-August/250742.html bazı ipuçları veriyor olsa da ) - ve son bir not olarak, 'bir güç dönüşümü belirlemeye çalışırken açıksa, sayfanın (Box-Cox transformationss deneyebilirsiniz boxcoxiçinde MASSpaketin)

— Ben Bolker

AIC modelleri seçmek için kullanılabilir.

Bunları karşılaştırmak için sadece F testini ve anova'yı kullanabilirsiniz. İşte bazı kodlar.

> x <- 1:10
> y <- 2*x + 3                            
> yeps <- y + rnorm(length(y), sd = 0.01)
> 
> 
> m1=nls(yeps ~ a + b*x, start = list(a = 0.12345, b = 0.54321))
> summary(m1)

Formula: yeps ~ a + b * x

Parameters:
   Estimate Std. Error t value Pr(>|t|)    
a 2.9965562  0.0052838   567.1   <2e-16 ***
b 2.0016282  0.0008516  2350.6   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.007735 on 8 degrees of freedom

Number of iterations to convergence: 2 
Achieved convergence tolerance: 3.386e-09 

> 
> 
> m2=nls(yeps ~ a + b*x+c*I(x^5), start = list(a = 0.12345, b = 0.54321,c=10))
> summary(m2)

Formula: yeps ~ a + b * x + c * I(x^5)

Parameters:
   Estimate Std. Error  t value Pr(>|t|)    
a 3.003e+00  5.820e-03  516.010   <2e-16 ***
b 1.999e+00  1.364e-03 1466.004   <2e-16 ***
c 2.332e-07  1.236e-07    1.886    0.101    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.006733 on 7 degrees of freedom

Number of iterations to convergence: 2 
Achieved convergence tolerance: 1.300e-06 

> 
> anova(m1,m2)
Analysis of Variance Table

Model 1: yeps ~ a + b * x
Model 2: yeps ~ a + b * x + c * I(x^5)
  Res.Df Res.Sum Sq Df     Sum Sq F value Pr(>F)
1      8 0.00047860                             
2      7 0.00031735  1 0.00016124  3.5567 0.1013
>

— Stat
kaynak

Sonuçların nasıl yorumlanacağı hakkında daha fazla bilgi?

— skan

Lütfen genişletin. Veri setimle F değeri ve Pr (> F) için çıktı almıyorum. Anova analizlerini çalıştırmanın anlamı nedir? Ben sadece modelleri değil kategorileri karşılaştırmak için kullanılan aşina.

— user3386170