如何評價擬合效果-Origin(Pro)數(shù)據(jù)擬合系列教程【數(shù)據(jù)繪圖】
-
Pearson's r：皮爾森相關(guān)系數(shù)，指是兩個變量間線性相關(guān)強弱的程度，r的絕對值越大表明相關(guān)性越強，可用于判斷線性擬合（回歸）的好壞。r的取值范圍為[-1,1]，r>0表示正相關(guān)，r<0表示負相關(guān)，r=0表示不是線性關(guān)系。
-
Reduced Chi-Sqr：表示觀測值（）與擬合值（）直接的差異程度。Reduced Chi-Sqr等于Chi-Sqr除以自由度（DOF）。Reduced Chi-Sqr越接近于1，說明擬合效果越好，主要用于非線性擬合中。
-
R-Square (COD)：R-Square也稱為coefficient of determination (COD)，表征依變數(shù)Y的變異中有多少百分比，可由控制的自變數(shù)X來解釋。其計算公式為，
其中，SS_reg為回歸平方和（regression sum of squares），RSS為殘差平方和（residual sum of squares），TSS為總離差平方和（total sum of squares）。R-Square取值范圍為【0,1】，COD值越大，說明擬合效果越好。
-
Adj. R-Square：由于用R-Square評價擬合模型的好壞具有一定的局限性，即使向模型中增加的變量沒有統(tǒng)計學意義，R-Square值仍會增大。因此需對其進行校正，從而形成了校正的決定系數(shù)（Adj. R-Square）。與R-Square不同的是，當模型中增加的變量沒有統(tǒng)計學意義時，校正決定系數(shù)會減小，因此Adj. R-Square是衡量所建模型好壞的重要指標之一，Adj. R-Square越大，模型擬合得越好。【摘自http://bbs.pinggu.org/thread-1003576-1-1.html】
-
Residual：殘差的定義為，
即觀測值減去預測值。通常以圖形格式顯示殘差，用于評估擬合/回歸的優(yōu)度。對于一個較好的擬合/回歸結(jié)果，殘差的散點圖是無序分布的，并不會顯示出一定的趨勢；同時直方圖應(yīng)該是對稱的鐘形分布。更多信息參見http://www.originlab.com/doc/Origin-Help/Residual-Plot-Analysis
-
Models Comparing方法
對于非線性擬合，可能存在多種模型滿足擬合需求，但哪種模型最優(yōu)， originlab會給出答案。原文鏈接：Step-by-step tutorial for nonlinear fitting - models comparing
對于一個擬合結(jié)果的好壞，要多方面進行評價，更重要的是要結(jié)合實際情況。即使各個參數(shù)都很漂亮，但擬合模型沒有實際意義，那也是白瞎。
所用軟件：OriginLab OriginPro 2017@Windows 10 pro。