<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我正在使用 JMP 8 进行非线性拟合。
它产生一个目标 SSE价值和解决方案价值。 我只是想知道如何解释这些值。 如何确定非线性拟合是否合适？
有没有办法将 SSE 转换为 R 方？
附件是来自 JMP 8 的非线性拟合的输出。
谢谢！
非常感谢！
进一步的问题：最合适的 SSE 应该最接近 0，对吗？但通常我们不会为我们从实验中生成的数据得到 0。 所以我只想知道有没有标准对于解决方案 SSE 来确定当前模型是否生成良好的非线性拟合。
SSE 是当前模型与数据的最佳拟合的残差平方和。 置信限度的目标 SSE 仅用于估计当前 Alpha 的置信限度（JMP 文档中非线性章节的“统计详细信息”中有描述）。
尽管不应单独使用 R2 来判断非线性模型的拟合是否“良好”，但可以根据 SSE 和原始数据计算得出。
试试这个 JSL 示例（我只在 JMP 10 中测试过，我不记得示例表是否随 JMP 8 一起提供。 如果路径失败，请尝试在运行脚本的其余部分之前手动打开表）
// 非线性拟合示例
dt =打开( "$SAMPLE_DATA/Nonlinear Examples/US Population.jmp" ) ;
林林= dt <<非线性(是( :流行音乐) , X ( :名称( “X公式” ) ) ,结束() ) ;
// 从报告中获取 SSE
上交所=报告(林林)[数字列框( “上交所” )][ 1个] ;
// 计算总平方和（即与 y 均值的距离）
SSTOT =和( (((柱子( 2个) <<得到矩阵) -平均数(柱子( 2个) )) ^ 2个) ;
//计算R2和调整后的R2
R2 = 1个-上交所/ SSTOT ;
R2调整= 1个- (上交所/报告(林林)[数字列框( “DFE” )][ 1个]) / ( SSTOT /栏号(柱子( 2个) ) - 1个) ;
// 用 R2 更新报告
报告(林林)[轮廓框( “解决方案” )] <<前置(
H 列表框(数字列框( “R2” , { R2 } ) ,数字列框( “R2adj” , { R2调整} ) )
) ;
