非线性回归的方法和初始值

请查找定义和解释指导,了解方法表中的每个统计量。

算法

在非线性回归中,没有最小化误差平方和 (SSE) 的直接解法。因此,迭代算法会通过系统地调整参数估计值以使 SSE 减小的方法,来估计参数值。在每次迭代时,算法会以预测应当会使 SSE 相比上一次迭代减小的一种方式,来调整参数估计值。不同的算法使用不同的方法确定每次迭代要做的调整。迭代将继续,直到算法收敛于最小 SSE、出现阻止后续迭代的问题或者 Minitab 达到最大迭代次数。

解释

使用算法信息确认您是按预期执行分析的。如果算法不能收敛,您可以尝试其他算法或更改其他初始条件。

最大迭代次数

最大迭代次数是 Minitab 在迭代算法不能收敛于一个解时将该算法停止的点。非线性回归使用迭代算法减小误差平方和 (SSE)。在每次迭代时,算法会以预测应当会使 SSE 相比上一次迭代减小的一种方式,调整参数估计值。迭代将继续,直到算法收敛于最小 SSE、出现阻止后续迭代的问题或 Minitab 达到最大迭代次数。

解释

使用最大迭代次数信息确认您是按预期执行分析的。如果算法不能收敛,您可以尝试增大迭代次数或更改其他初始条件。

公差

公差可以定义误差中一个步骤到下一个步骤的变化必须为多小才可以声明迭代算法已收敛于一个解。默认情况下,当相对偏移小于 1.0e-5 时,Minitab 声明收敛。这可以确保任何推断都不会受当前参数向量小于置信域圆盘半径(根据最小二乘点计算得出)的 0.001% 的情况的重大影响。

值越小,产生的参数估计值越精确,但需要附加迭代。通常情况下,默认值即可。

参数的初始值

“参数的初始值”表显示您为每个参数指定的值。非线性回归使用迭代算法减小误差平方和 (SSE)。开始时,算法会使参数值等于此表中的值。在每次迭代时,算法会以预测应当会使 SSE 相比上一次迭代减小的一种方式,调整参数值。

解释

使用初始值确认您是按预期执行分析的。如果算法不能收敛,您可以尝试不同的初始值或更改其他初始条件。

注意

对于某些模型和数据集,初始值可以显著影响结果。某些初始值可以导致收敛失败或者收敛到一个局部而不是全局的最小 SSE。在一些情况下,您可能需要花费很大努力才能构建一个良好的初始值。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策