비선형 회귀 분석에 대한 요약 표

요약 표의 모든 통계량에 대한 정의 및 해석을 확인해 보십시오.

반복

이 값은 최종 오차 제곱합(최종 SSE)을 얻기 위해 필요한 반복 횟수입니다. 일반적으로 이 값에는 의미를 부여할 수 없습니다. 그러나 반복 횟수가 방법 표에 표시된 최대 반복 횟수와 같은 경우에는 알고리즘이 해로 수렴하지 않았음을 나타냅니다. 그 대신 Minitab에서는 최대 반복 횟수에 도달한 후 멈췄습니다. 이런 경우에는 알고리즘, 최대 반복 횟수, 시작값 및 기대 함수를 바꿔볼 수 있습니다.

최종 SSE

최종 SSE는 잔차 제곱의 합입니다. 이 오차는 예측 변수로 설명되지 않는 데이터의 변동을 수량화합니다. 표시되는 값은 주어진 시작 조건에서 알고리즘을 사용하여 얻을 수 있는 가장 작은 SSE를 나타냅니다.

해석

최종 SSE 값이 낮을수록 모형이 반응값을 더 잘 설명합니다. 모형이나 시작 조건을 비교하는 경우 여러 개의 최종 SSE 값을 비교하면 유의할 수 있습니다. 그러나 하나의 최종 SSE 값은 직관적으로 유의하지 않을 수도 있습니다. Minitab에서는 일반적으로 해석하기가 더 직관적인 S를 계산하는 데 최종 SSE를 사용합니다.

DFE

오차 자유도(DFE)는 표준 크기에서 모수의 수를 뺀 값입니다. 일반적으로 총 자유도(DF)는 데이터의 정보량이며, 표본의 관측치 수에 의해 결정됩니다. 분석에서는 해당 정보를 사용하여 모수 값을 추정합니다.

MSE

평균 제곱 오차(MSE)는 적합치 주위의 분산입니다. MSE = 최종 SSE/DFE.

해석

MSE의 제곱근은 S입니다. 일반적으로 MSE 대신 S를 해석합니다.

S

S는 데이터 값과 적합치 간 거리의 표준 편차를 나타냅니다. S는 반응값의 단위로 측정됩니다. R2은 선형 모형을 벗어난 상황에서 무의미하므로, S는 비선형 모형에 대한 적합도의 중요한 측도입니다. S는 반응 변수와 같은 단위로 표시되기 때문에 최종 SEE보다 더 직관적으로 해석할 수 있는 경우가 일반적입니다.

해석

모형이 반응을 얼마나 잘 설명하는지 평가하려면 S를 사용합니다. S는 반응 변수 단위로 측정되며, 데이터 값의 적합치로부터의 거리의 표준 편차를 나타냅니다. S의 값이 낮을수록 모형이 반응을 더 잘 설명합니다. 그러나 낮은 S 값 자체는 모형이 모형 가정을 충족한다는 것을 나타내지 않습니다. 가정을 확인하려면 잔차 그림을 확인해야 합니다.

예를 들어, 한 감자 칩 회사에서 용기당 부스러진 감자 칩의 백분율에 영향을 미치는 요인을 살펴보려고 합니다. 모형을 유의한 예측 변수로 요약하고 S가 1.79로 계산됩니다. 이 결과는 적합치 주변 데이터 점의 표준 편차가 1.79라는 것을 나타냅니다. 모형을 비교하는 경우 1.79보다 작은 값은 더 좋은 적합치를 나타내고 더 큰 값은 더 나쁜 적합치를 나타냅니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오