擬合度介紹
擬合度檢驗是對已製作好的預測模型進行檢驗,比較它們的預測結果與實際發生情況的吻合程度。通常是對數個預測模型同時進行檢驗,選其擬合度較好的進行試用。常用的擬合度檢驗方法有:剩餘平方和檢驗、卡方(c2)檢驗和線性回歸檢驗等。擬合度,也就是“ R-squared”。
⑴.剩餘平方和檢驗是將利用預測的理論預測值( )與病害發生的實際情況(y)進行比較,求得它們的差異平方和(Q)、回歸誤差(S)及曲線相關比(r)的值,希望Q、S的值愈小愈好,曲線相關比(r)愈大愈好。
, r(曲)=1-(Q/Lyy)
⑵.卡方(c2)檢驗的計算公式
⑶.回歸誤差檢驗法 (Sy/x檢驗)
通常,多因素預測方程的通式為: y=b0+b1x1+b2x2+···+bnxn±2Sy/x
方程尾部的Sy/x為方程的回歸誤差。在利用預測方程的回歸誤差進行預測效果的檢驗時,認為預測值落在2個回歸誤差的範圍之內,就認為預測正確,其實,回歸誤差是由建立預測方程的原始數據決定的,當原始數據的擺動範圍愈大,所建方程的回歸誤差Sy/x也就愈大,此時用Sy/x作為檢驗標準,也就擴大了誤差範圍,因此,該方法的使用尚需探討。
⑷.參數檢驗法(線性回歸檢驗法)
在預測模型研製一章中已經提到,要比較幾個模型的預測效果時可用參數檢驗法檢查預測值 與病害發生的實測值y的符合情況,即 =y時,它們應符合: =0+1y,
用預測方程所得到的 的與相應的病害發生實測值進行回歸,就可以得到如下的線性回歸式
=a + by,
當有數個預測方程時,便可得到數個如下的線性回歸式:
=a1 + b1y,
=a2 + b2y,,
. . .
. . .
=an + bny, 。
此時比較幾個a值和b值,當a值愈趨近於0,b愈趨近於1,則說明該方程的預測效果愈好。
擬合度英語
Goodness of Fit