python中的正交距离回归：返回值的含义

Question

我正在关注正交距离回归方法来拟合因变量和自变量的误差数据。

我用一条简单的直线拟合数据，我的模型是 y = ax + b.

现在，我可以编写代码并绘制拟合数据的线，但我无法读取结果：

Beta: [ 2.08346947  0.0024333 ]
Beta Std Error: [ 0.03654482  0.00279946]
Beta Covariance: [[  2.06089823e-03  -9.99220260e-05]
[ -9.99220260e-05   1.20935366e-05]]
Residual Variance: 0.648029925546
Inverse Condition #: 0.011825289654
Reason(s) for Halting:
   Sum of squares convergence

这Beta只是包含我的模型参数值的数组(a, b)，并且Beta Std Error相关错误。

关于其他值，我不知道它们的含义。

特别是，我想知道哪一个表示拟合优度，就像卡方一样，当一个只拟合因变量的误差时。

Answer 1

Beta Covariance是拟合参数的协方差矩阵。它可以被认为是一个矩阵，描述了你的两个参数相互之间的相互联系。

Residual Variance 我相信是拟合优度的衡量标准，其中值越小，对数据的拟合越好。

Inverse Condition是条件数的倒数 (1/x) 。条件数定义了拟合函数对输入变化的敏感程度。

scipy.odr是一个更旧的 FORTRAN77 包的包装器，称为 ODRPACK。ODRPACK 的文档实际上可以在 scipy 网站上找到。这可能有助于您了解您需要了解的内容，因为它包含参数的数学描述。