Exemplo de Regressão não-linear

Interpretar os resultados

O gráfico de linha ajustada mostra que a linha ajustada segue os valores observados, que visualmente indicam que o modelo ajusta os dados. O valor-p para o teste de falta de ajuste é de 0,679, o que não fornece evidências de que o modelo se ajusta mal aos dados.

O aviso sobre parâmetros altamente correlacionados indica que pelo menos um par de parâmetros tem uma correlação maior do que um valor absoluto de 0,99. Contudo, como estudos anteriores indicam que um modelo não linear com 7 parâmetros fornece um ajuste adequado aos dados, os pesquisadores não mudam o modelo.

Método

Algoritmo	Gauss-Newton
Máximo de iterações	200
Tolerância	0,00001

Valores Iniciais para os Parâmetros

Parâmetro	Valor
b1	1
b2	-0,1
b3	0,005
b4	-0,000001
b5	-0,005
b6	0,001
b7	-0,0000001

Equação

Expansão = (1,07764 - 0,122693 * Kelvin + 0,00408638 * Kelvin ** 2 - 1,42627E-06 * Kelvin **
     3) / (1 - 0,00576099 * Kelvin + 0,000240537 * Kelvin ** 2 - 1,23144E-07 * Kelvin ** 3)

Estimativas dos Parâmetros

Parâmetro	Estimativa	EP da Estimativa
b1	1,07764	0,170702
b2	-0,12269	0,012000
b3	0,00409	0,000225
b4	-0,00000	0,000000
b5	-0,00576	0,000247
b6	0,00024	0,000010
b7	-0,00000	0,000000

Falta de Ajuste

Fonte	GL	SQ	QM	F	P
Erro	229	1,53244	0,0066919
Falta de Ajuste	228	1,52583	0,0066922	1,01	0,679
Erro puro	1	0,00661	0,0066125

Sumário

Iterações	15
SQE Final	1,53244
GLE	229
MSE	0,0066919
S	0,0818039

* AVISO * Algumas estimativas dos parâmetros estão altamente correlacionadas. Considere
simplificar a função de expectativa ou transformar preditores ou parâmetros para reduzir
colinearidades.