Tabla de contenido:

¿Podemos realizar una regresión sobre datos no lineales?
¿Podemos realizar una regresión sobre datos no lineales?

Video: ¿Podemos realizar una regresión sobre datos no lineales?

Video: ¿Podemos realizar una regresión sobre datos no lineales?
Video: Transformar datos no lineales para aplicar regresiones lineales | Khan Academy en Español 2024, Abril
Anonim

La regresión no lineal puede se ajusta a muchos más tipos de curvas, pero pueden requieren más esfuerzo tanto para encontrar el mejor ajuste como para interpretar el papel de las variables independientes. Además, R-cuadrado no es válido para regresión no lineal , y es imposible calcular valores p para las estimaciones de los parámetros.

De esta forma, ¿una regresión puede ser no lineal?

En estadística, regresión no lineal es una forma de regresión análisis en el que los datos de observación son modelados por una función que es un no lineal combinación de los parámetros del modelo y depende de una o más variables independientes. Los datos se ajustan mediante un método de aproximaciones sucesivas.

También se puede preguntar, ¿r cuadrado solo para la regresión lineal? El marco matemático general para R - al cuadrado no funciona correctamente si el Modelo de regresión no es lineal . A pesar de este problema, la mayoría del software estadístico aún calcula R - al cuadrado para modelos no lineales. Si utiliza R - al cuadrado para elegir el mejor modelo , conduce a la adecuada solo modelo 28-43% del tiempo.

Con respecto a esto, ¿cómo se calcula la regresión no lineal?

Si su modelo usa un ecuación en la forma Y = a0 + b1X1, es un regresión lineal modelo. Si no, es no lineal.

Y = f (X, β) + ε

  1. X = un vector de p predictores,
  2. β = un vector de k parámetros,
  3. f (-) = una función de regresión conocida,
  4. ε = término de error.

¿Cuáles son los tipos de regresión?

Tipos de regresión

  • Regresión lineal. Es la forma más simple de regresión.
  • Regresión polinomial. Es una técnica para ajustar una ecuación no lineal tomando funciones polinomiales de variable independiente.
  • Regresión logística.
  • Regresión cuantílica.
  • Regresión de crestas.
  • Regresión de lazo.
  • Regresión de red elástica.
  • Regresión de componentes principales (PCR)

Recomendado: