¿Se puede establecer la preferencia de ajuste polinomial para no centrado?Hola,
El ajuste polinomial estándar devuelve un conjunto centrado de parámetros ajustados. Desde la perspectiva de los estadísticos, entiendo por qué se hace esto, aunque en la mayor parte de la ciencia y la ingeniería esta no es la forma predeterminada de ver las ecuaciones. Sé que puedo solucionar esto yendo a ajustar la selección especial, y haga clic, haga clic, haga clic, haga clic ...
¿Hay alguna manera de establecer el comportamiento predeterminado del ajuste polinomial para usar parámetros no centrados? He buscado preferencias pero nada me está saltando (juego de palabras).
Andy
AnalíticaRe: ¿Se puede establecer la preferencia de ajuste polinomial para no centrado?Estoy un poco confundido por esta declaración: " aunque en la mayor parte de la ciencia y la ingeniería esta no es la forma predeterminada de ver las ecuaciones ". Como ingeniero al desarrollar al menos modelo de cuadrados, empiezo con la intersección de Y y luego entiendo cuánto cada variable en la ecuación "mueve" la respuesta. ¿Qué quiere decir con esto que no es la forma en que la mayoría de los científicos e ingenieros ven las ecuaciones? Le pido que comprenda su punto de vista. Puede, durante el ajuste del modelo, seleccionar la opción de no interceptar.
Re: ¿Se puede establecer la preferencia de ajuste polinomial para no centrado?En primer lugar, puede especificar prácticamente cualquier modelo lineal o no lineal que desee para sus datos. A veces hay una base teórica para el modelo. A menudo, no lo hay. Como tal, los modelos empíricos a menudo no tienen una interpretación completamente física como sus contrapartes teóricas. Es decir, cada término o parámetro tiene un rol, pero no necesariamente representa un atributo físico directo.
El término constante en una expansión polinomial que se utiliza como predictor lineal en la regresión es un modelo empírico. La intersección podría interpretarse como la intersección y en x = 0, pero ese no es su único propósito o uso. Es la respuesta media en el origen, que es útil si sus predictores están centrados. El centrado no se basa en un modelo teórico. Se basa en el rendimiento del método de regresión. Mejora la potencia de las pruebas de hipótesis de los parámetros al reducir la correlación de las estimaciones de los parámetros cuando, por ejemplo, se incluyen términos por encima del primer orden.
Finalmente, puede haber otras contribuciones a la respuesta y incluso cuando todos los predictores están en cero, lo que lleva a una intersección distinta de cero.
