非線形回帰の回帰式とパラメータ推定値

解釈

この結果には、1つの予測変数と7つのパラメータ推定値があります。応答変数は膨張で、予測変数は絶対温度です。長い式で応答と予測との間の関係を記述します。絶対温度が1度上昇したときの銅の膨張に対する影響は、開始温度によって大きく異なります。温度の変更が銅の膨張に及ぼす効果は、簡単には要約できません。適合線プロットを評価し、予測変数と応答の関係を確認します。

式に温度の値を入力すると、結果は銅の膨張の適合値となります。

解釈

非線形式の場合、各予測変数が応答に及ぼす影響を判断するということは、線形式の場合ほど直観的ではありません。線形モデルのパラメータ推定値とは違い、非線形モデルにおけるパラメータ推定値に対する決まった解釈はありません。各パラメータの正しい解釈は、予想関数とその中のパラメータの位置によって決まります。非線形モデルに1つしか予測変数がない場合は、適合線プロットを評価して予測変数と応答の関係を確認します。

この結果には、1つの予測変数と7つのパラメータ推定値があります。応答変数は膨張で、予測変数は絶対温度です。長い式で応答と予測との間の関係を記述します。絶対温度が1度上昇したときの銅の膨張に対する影響は、開始温度によって大きく異なります。温度の変更が銅の膨張に及ぼす効果は、簡単には要約できません。適合線プロットを評価し、予測変数と応答の関係を確認します。

解釈

推定値の標準誤差を使用して、パラメータ推定値の精度を測定します。標準誤差が小さいほど、推定値の精度が高くなります。

解釈

信頼区間を使用して、各パラメータの推定値を評価します。

たとえば、信頼水準が95%の場合、信頼区間に母集団のパラメータ値が含まれていることが95%信頼できます。信頼区間により、結果の実質的な有意性を評価しやすくなります。状況に応じた専門知識を利用して、信頼区間に実質的に有意な値が含まれているかどうかを判断します。信頼区間が広すぎて役に立たない場合、サンプルサイズを増加させることを検討します。

パラメータ推定値が統計的に有意であるかを判断する必要がある場合は、パラメータの信頼区間を使用します。範囲が帰無仮説を含まない場合は、パラメータ値は統計的に有意です。Minitabでは、非線形回帰のパラメータのp値を計算できません。線形回帰の場合、すべてのパラメータの帰無仮説値は0で、効果なしの場合、さらに、p値はこの値に基づきます。ただし、非線形回帰の場合、各パラメータの正しい帰無仮説値は、予想関数とその中のパラメータの位置によって決まります。

データセット、予想関数、および信頼水準によっては、どちらかまたは両方の信頼限界がない可能性があります。Minitabでは、欠損結果にはアスタリスク（*）を付けてセッションウィンドウに表示します。信頼区間に欠損限界がある場合、信頼水準の低い方が両側信頼区間を生成します。