Я пытаюсь интерпретировать вывод nls (). Я прочитал этот пост, но я все еще не понимаю, как выбрать наиболее подходящий. Из моих припадок у меня есть два выхода:
> 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
и
> 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
Первый имеет два параметра и меньшую остаточную ошибку. Второй только один параметр, но худшая остаточная ошибка. Какой лучше всего подходит?
4
Я удалил свой ответ, в котором предлагалось использовать
—
Роланд
AIC
, потому что комментарий убедительно доказывал, что AIC, как правило, не подходит для выбора nls
подгонок. Я бы всегда пытался выбрать нелинейную модель, основанную на механистических знаниях, особенно если набор данных такой же маленький, как и у вас.
Хммм. Будет ли оригинальный комментатор удаленного ответа @ Roland готов опубликовать комментарий? Для меня не сразу очевидно, почему AIC не подходит ... (хотя stat.ethz.ch/pipermail/r-help/2010-August/250742.html дает некоторые подсказки) - и в заключение, если вы пытаясь определить трансформацию власти, вы можете попробовать трансформации Бокса-Кокса (
—
Бен Болкер,
boxcox
в MASS
комплекте)