Регрессионный анализ |
Здравствуйте, гость ( Вход | Регистрация )
Регрессионный анализ |
26.04.2017 - 01:13
Сообщение
#16
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
|
|
26.04.2017 - 10:15
Сообщение
#17
|
|
Группа: Пользователи Сообщений: 231 Регистрация: 27.04.2016 Пользователь №: 28223 |
Но посмотрим, что автор темы ответит. Кстати, интересно было бы и название этого пакета узнать. Мне тоже, только боюсь, нам этого не дождаться. 2) Про линеаризацию зависимостей с помощью преобразований. Не знаю, специально вы упростили ответ или нет, Разумеется, я привел лишь схему (причем - по памяти ) . Я не думаю, что автор темы столь глубоко будет копать, что-бы разбираться в сравнении аналитических и итерационных методов. Но в случае автора "дедовский" способ реализуется в три клика даже на EXCEL. Я подумал, может не стоит ему "погружаться" в регрессионную теорию, к которой его явно не тянет, а достаточно достичь цели простейшим способом. Получается, что дедовский способ с линеаризующим преобразованием и ретрансформацией чисто теоретически здесь подходит лучше современного итерационного подхода. К сожалению, не встречал нигде рекомендаций как выбирать между (а) и (б). Если вы или другие частники форума встречали обсуждение обозначенной проблемы - буду признателен за ссылку. Нет, мне специально интересоваться темой не приходилось, но стало любопытно. Если что при случае найду - поделюсь. Сообщение отредактировал passant - 26.04.2017 - 10:19 |
|
26.04.2017 - 13:50
Сообщение
#18
|
|
Группа: Пользователи Сообщений: 20 Регистрация: 13.03.2016 Пользователь №: 28066 |
<passant есть 2 комментария:) 1) Про разные результаты с разными стартовыми значениями. Подозреваю, что здесь просто используемый пакет алгоритмически слабоват, поскольку для двухпараметрических зависимостей обычно проблем не возникает. Проблемы со стартовыми значениями бывают когда 3 или даже 4 параметра. Но посмотрим, что автор темы ответит. Кстати, интересно было бы и название этого пакета узнать. 2) Про линеаризацию зависимостей с помощью преобразований. Не знаю, специально вы упростили ответ или нет, но на всякий случай напишу, что результаты расчёта параметров (а) итерационно и (б) через линеаризацию с последующей ретрансформацией в исходную шкалу будут немного отличаться. Дело в том, что при итерационной подгонке экспоненциальной зависимости методом наименьших квадратов нормально распределена будет ошибка исходных данных. В случае линеаризации логарифмированием нормально будет распределена ошибка логарифмов исходных данных. В итоге, при ретрансформации параметров их значения будут несколько иными. До эпохи компьютеров линеаризировали всё что можно было и радовались простоте не задумываясь. Но с появлением компов более грамотной и точной стала считаться именно итерационная подгонка. Поэтому сейчас так же радостно фитят нелинейные модели и радуются не задумываясь. Но дело в том, что в некоторых случаях просто нелогично предполагать нормальность ошибки для исходных данных. В частности это относится и к экспоненциальному, и к степенному росту. Например, если клеточная культура растёт по экспоненте - откуда взяться нормальной ошибке? Она будет распределена асимметрично, а вот её логарифм - куда скорее симметрично. Когда данных много в этом можно убедиться построив распределения на отдельных срезах регрессии. Получается, что дедовский способ с линеаризующим преобразованием и ретрансформацией чисто теоретически здесь подходит лучше современного итерационного подхода. К сожалению, не встречал нигде рекомендаций как выбирать между (а) и (б). Если вы или другие частники форума встречали обсуждение обозначенной проблемы - буду признателен за ссылку. nokh, спасибо за вдумчивый ответ, использую spss. Про выбор в пользу линеаризации читала здесь: http://lib.qrz.ru/book/export/html/11304 Цитата Возможность перевода в линейную модель нужно использовать всегда, так как в этом случае параметры регресии вычисляются непосредственно, а не определяются с помощью итераций.
Сообщение отредактировал anna78 - 27.04.2017 - 10:08 |
|