<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。
它生成一个目标上证所值和一个解决方案SSE价值。 我只是想知道如何解释这些值。 如何判断非线性拟合是否良好？
有没有办法将SSE转换为R平方？
附件是 JMP 8 非线性拟合的输出。
谢谢！
多谢！
进一步的问题：最佳拟合的 SSE 应该最接近 0，对吧？但通常我们从实验中生成的数据不会得到 0。 所以我只是想知道是否有标准使解 SSE 确定当前模型是否产生良好的非线性拟合。
SSE 是当前模型与数据的最佳拟合的残差平方和。 置信限的目标 SSE 仅用于估计当前 Alpha 下的置信限（JMP 文档中非线性章节的“统计详细信息”中有描述）。
虽然 R2 不应该单独用来判断非线性模型的拟合是否“良好”，但它可以根据 SSE 和原始数据计算出来。
尝试这个 JSL 示例（我只在 JMP 10 中测试过它，我不记得示例表是否随 JMP 8 一起提供。 如果路径失败，请在运行脚本的其余部分之前尝试手动打开表）
// 非线性拟合示例
dt =打开（ “$SAMPLE_DATA/非线性示例/美国人口.jmp” ） ;
恩林= dt <<非线性（是（ ：流行音乐） , X （ ：姓名（ “X-公式” ） ） ,结束() ） ;
// 从报告中获取SSE
上证所=报告（恩林)[编号栏框（ “上交所” )][ 1 ] ;
// 计算总平方和（即距 y 平均值的距离）
斯托特=和（ ((柱子（ 2 ） <<得到矩阵） -科尔平均值（柱子（ 2 ） ）） ^ 2 ） ;
// 计算R2并调整R2
R2 = 1 -上证所/斯托特;
R2调整= 1 - （上证所/报告（恩林)[编号栏框（ “DFE” )][ 1 ]） / （斯托特/列号（柱子（ 2 ） ） - 1 ） ;
// 使用 R2 更新报告
报告（恩林)[轮廓盒（ “解决方案” )] <<前置（
H 列表框（编号栏框（ “R2” , { R2 } ） ,编号栏框（ “R2adj” , { R2调整} ） ）
） ;
