b样条和三次样条_R语言曲线回归：多项式回归、多项式样条回归、非线性回归数据分析...

原文链接：

http://tecdat.cn/?p=9508​tecdat.cn

本文将使用三种方法使模型适合曲线数据：1）多项式回归；2）用多项式样条进行B样条回归；3） 进行非线性回归。在此示例中，这三个中的每一个都将找到基本相同的最佳拟合曲线。

多项式回归

多项式回归实际上只是多元回归的一种特殊情况。

对于线性模型（lm），调整后的R平方包含在summary（model）语句的输出中。AIC是通过其自己的函数调用AIC（model）生成的。使用将方差分析函数应用于两个模型进行额外的平方和检验。

对于AIC，越小越好。对于调整后的R平方，越大越好。将模型a与模型b进行比较的额外平方和检验的非显着p值表明，带有额外项的模型与缩小模型相比，并未显着减少平方误差和。也就是说，p值不显着表明带有附加项的模型并不比简化模型好。

3. 
   Data = read.table(textConnection(Input),header=TRUE)
6. 
   ### Change Length from integer to numeric variable
7. 
   ### otherwise, we will get an integer overflow error on big numbers
9. 
   Data$Length = as.numeric(Data$Length)
12. 
    ### Create quadratic, cubic, quartic variables
14. 
    library(dplyr)
16. 
    Data =
17. 
    mutate(Data,
18. 
    Length2 = Length*Length,
19. 
    Length3 = Length*Length*Length,
20. 
    Length4 = Length*Length*Length*Length)
22. 
    library(FSA)
24. 
    headtail(Data)
28. 
    Length Clutch Length2 Length3 Length4
30. 
    1 284 3 80656 22906304 6505390336
32. 
    2 290 2 84100 24389000 7072810000
34. 
    3 290 7 84100 24389000 7072810000
36. 
    16 323 13 104329 33698267 10884540241
38. 
    17 334 2 111556 37259704 12444741136
40. 
    18 334 8 111556 37259704 12444741136

定义要比较的模型

1. 
   model.1 = lm (Clutch ~ Length, data=Data)
2. 
   model.2 = lm (Clutch ~ Length + Length2, data=Data)
3. 
   model.3 = lm (Clutch ~ Length + Length2 + Length3, data=Data)
4. 
   model.4 = lm (Clutch ~ Length + Length2 + Length3 + Length4, data=Data)

生成这些模型的模型选择标准统计信息

1. 
   summary(model.1)
5. 
   Coefficients: