Ich versuche, die Ausgabe von nls () zu interpretieren. Ich habe diesen Beitrag gelesen, verstehe aber immer noch nicht, wie ich die beste Passform auswähle. Aus meinen Passungen habe ich zwei Ausgänge:
> summary(m)
Formula: y ~ I(a * x^b)
Parameters:
Estimate Std. Error t value Pr(>|t|)
a 479.92903 62.96371 7.622 0.000618 ***
b 0.27553 0.04534 6.077 0.001744 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 120.1 on 5 degrees of freedom
Number of iterations to convergence: 10
Achieved convergence tolerance: 6.315e-06
und
> summary(m1)
Formula: y ~ I(a * log(x))
Parameters:
Estimate Std. Error t value Pr(>|t|)
a 384.49 50.29 7.645 0.000261 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 297.4 on 6 degrees of freedom
Number of iterations to convergence: 1
Achieved convergence tolerance: 1.280e-11
Der erste hat zwei Parameter und einen kleineren Restfehler. Der zweite einzige Parameter, aber der schlechteste Restfehler. Welches passt am besten?
AIC
, da ein Kommentar den überzeugenden Fall ergab, dass AIC für die Auswahl vonnls
Passungen nicht generell anwendbar ist . Ich würde immer versuchen, mich für ein nichtlineares Modell zu entscheiden, das auf mechanistischem Wissen basiert, insbesondere wenn der Datensatz so klein ist wie der Ihre.boxcox
in derMASS
Packung)Antworten:
Sie können sie einfach mit dem F-Test und der Anova vergleichen. Hier sind einige Codes.
quelle