在为回归分析建模现实世界数据时,我们观察到模型的方程很少是给出线性图的线性方程。大多数时候,现实世界数据模型的方程涉及更高阶的数学函数,如 3 的指数或 sin 函数。在这种情况下,模型图给出的是曲线而不是直线。线性和非线性回归的目标都是调整模型参数的值,以找到最接近您的数据的直线或曲线。找到这些值后,我们将能够准确地估计响应变量。
在最小二乘回归中,我们建立了一个回归模型,其中不同点与回归曲线的垂直距离的平方和最小化。我们通常从定义的模型开始,并为系数假设一些值。然后我们应用 R 的nls()函数来获得更准确的值以及置信区间。
句法
在 R 中创建非线性最小二乘检验的基本语法是 -
nls(formula, data, start)
以下是所用参数的描述 -
公式是包含变量和参数的非线性模型公式。
数据是用于评估公式中的变量的数据框。
start是起始估计的命名列表或命名数字向量。
例子
我们将考虑一个假设其系数初始值的非线性模型