R中的拟合优度函数

Question

您在R中使用哪些函数来拟合数据曲线并测试曲线的拟合程度？什么结果被认为是好的？

Answer 1

只是问题的第一部分可以填满整本书.只是一些快速选择:

• lm() 用于标准线性模型
• glm() 用于广义线性模型(例如用于逻辑回归)
• rlm() 从MASS包中获得稳健的线性模型
• lmrob() 来自package robustbase,用于稳健的线性模型
• loess() 用于非线性/非参数模型

然后是领域特定的模型,例如时间序列,微观计量经济学,混合效应等等.一些任务视图,例如 计量经济学,更详细地讨论了这一点.至于适合度,这也是一本可以轻松地花费整本书讨论的东西.

Answer 2

R中规范曲线拟合的主力是lm(),glm()和nls().对我而言,拟合优度是模型选择中较大问题的一个子问题.逸岸,利用优度拟合错误(例如,通过逐步回归)可引起严重错误指定模型(见"回归建模策略"哈勒尔的书).而不是从头讨论这个问题,我建议哈勒尔的书lm和glm.维纳布尔斯和里普利的圣经很简洁,但仍然值得一读.Faraway的"使用R扩展线性模型"具有全面性和可读性.nls不在这些来源中,但Ritz和Streibig的"非线性回归与R"填补了这一空白,并且非常实用.

Answer 3

的nls()功能(http://sekhon.berkeley.edu/stats/html/nls.html)为非线性最小二乘曲线拟合非常标准.Chi平方(平方残差的总和)是在这种情况下优化的度量,但它没有标准化,因此您不能轻易地使用它来确定拟合的好坏程度.你应该确保的主要是你的残差是正常分布的.不幸的是,我不确定这样做的自动化方法.

Answer 4

Quick R网站对用于拟合模型和测试拟合的基本函数以及样本R代码进行了合理的总结:

• http://www.statmethods.net/stats/regression.html