Esempi comuni di modelli di regressione curvilinea includono:<\/span><\/p>\n Regressione quadratica:<\/strong> utilizzata quando esiste una relazione quadratica tra una variabile predittore e una variabile di risposta<\/a> . Quando rappresentato graficamente, questo tipo di relazione appare come una “U” o una “U” rovesciata su un grafico a dispersione:<\/span> <\/p>\n Regressione cubica:<\/strong> utilizzata quando esiste una relazione cubica tra una variabile predittrice e una variabile di risposta. Quando rappresentato graficamente, questo tipo di relazione mostra due curve distinte su un grafico a dispersione:<\/span> <\/p>\n Entrambi contrastano con la regressione lineare semplice<\/a> in cui la relazione tra la variabile predittore e la variabile risposta \u00e8 lineare:<\/span> <\/p>\n Un semplice modello di regressione lineare<\/strong> tenta di adattare un insieme di dati utilizzando la seguente formula:<\/span><\/p>\n \u0177 = \u03b2 0<\/sub> + \u03b2 1<\/sub> x<\/span><\/p>\n Oro:<\/span><\/p>\n Al contrario, un modello di regressione quadratica<\/strong> utilizza la seguente formula:<\/span><\/p>\n \u0177 = \u03b2 0<\/sub> + \u03b2 1<\/sub> x + \u03b2 2<\/sub> x 2<\/sup><\/span><\/p>\n E un modello di regressione cubica<\/strong> utilizza la seguente formula:<\/span><\/p>\n \u0177 = \u03b2 0<\/sub> + \u03b2 1<\/sub> x + \u03b2 2<\/sub> x 2<\/sup> + \u03b2 3<\/sub> x 3<\/sup><\/span><\/p>\n Un nome pi\u00f9 generale dato ai modelli di regressione che includono esponenti \u00e8 regressione polinomiale<\/strong> , che accetta la seguente formula:<\/span><\/p>\n \u0177 = \u03b2 0<\/sub> + \u03b2 1<\/sub> x + \u03b2 2<\/sub> x 2<\/sup> + \u2026 + \u03b2 k<\/sub> x k<\/sup><\/span><\/p>\n Il valore di k<\/em> indica il grado<\/strong> del polinomio. Sebbene il grado possa essere qualsiasi numero positivo, in pratica raramente adattiamo modelli di regressione polinomiale con un grado maggiore di 3 o 4.<\/span><\/p>\n Utilizzando gli esponenti nella formula del modello di regressione, i modelli di regressione polinomiale sono in grado di adattare le curve<\/em> ai set di dati anzich\u00e9 alle linee rette.<\/span><\/p>\n Il modo pi\u00f9 semplice per sapere se utilizzare o meno la regressione curvilinea \u00e8 creare un grafico a dispersione della variabile predittore e della variabile risposta.<\/span><\/p>\n Se il grafico a dispersione mostra una relazione lineare tra le due variabili, probabilmente \u00e8 appropriata una semplice regressione lineare.<\/span><\/p>\n Tuttavia, se il grafico a dispersione mostra uno schema quadratico, cubico o altro curvilineo tra il predittore e la variabile di risposta, probabilmente \u00e8 pi\u00f9 appropriato utilizzare la regressione curvilinea.<\/span><\/p>\n \u00c8 inoltre possibile adattare un modello di regressione lineare semplice e un modello di regressione curvilinea e confrontare i valori R quadrati adattati<\/strong> di ciascun modello per determinare quale modello fornisce l’adattamento migliore ai dati.<\/span><\/p>\n L’R quadrato corretto \u00e8 utile perch\u00e9 indica quanta varianza nella variabile di risposta pu\u00f2 essere spiegata dalle variabili predittive, corrette per il numero di variabili predittive nel modello.<\/span><\/p>\n In generale, il modello con il valore R quadrato corretto pi\u00f9 alto fornisce un adattamento migliore al set di dati.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire la regressione polinomiale in diversi software statistici:<\/span><\/p>\n Un’introduzione alla regressione polinomiale<\/a> Regressione curvilinea \u00e8 il nome dato a qualsiasi modello di regressione che tenta di adattare una curva anzich\u00e9 una linea retta. Esempi comuni di modelli di regressione curvilinea includono: Regressione quadratica: utilizzata quando esiste una relazione quadratica tra una variabile predittore e una variabile di risposta . Quando rappresentato graficamente, questo tipo di relazione appare […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/curviligne1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/curviligne2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/curviligne3.png\")
<\/p>\n La formula per i modelli di regressione curvilinea<\/strong><\/span><\/h3>\n
\n
Quando utilizzare la regressione curvilinea<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come eseguire la regressione polinomiale in Excel<\/a>
Come eseguire la regressione polinomiale in Python<\/a>
Come eseguire la regressione polinomiale in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"