Próbuję zinterpretować dane wyjściowe nls (). Przeczytałem ten post, ale nadal nie rozumiem, jak wybrać najlepsze dopasowanie. Z moich ataków mam dwa wyjścia:
> 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
i
> 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
Pierwszy ma dwa parametry i mniejszy błąd resztkowy. Drugi tylko jeden parametr, ale najgorszy błąd resztkowy. Który najlepiej pasuje?
AIC
, ponieważ komentarz stanowił przekonujący argument, że AIC nie ma ogólnie zastosowania do wyborunls
pasowań. Zawsze starałbym się decydować o modelu nieliniowym opartym na wiedzy mechanistycznej, szczególnie jeśli zestaw danych jest tak mały jak twój.boxcox
wMASS
pakiecie)Odpowiedzi:
Możesz po prostu użyć testu F i anova, aby je porównać. Oto kilka kodów.
źródło