Нелінійна регресія використовується для моделювання складних явищ, які неможливо опрацювати лінійними моделями. Наша мета — вивчити вплив концентрації двох компонентів, С1 і С2, на в’язкість йогурту. Модель, яку ми хочемо підібрати, записує: де β1, …, β5 – параметри моделі.
Одним із прикладів того, як можна використовувати нелінійну регресію, є передбачити зростання населення з часом. 1 Діаграма розсіювання змін даних про чисельність населення з часом показує, що, здається, існує зв’язок між часом і зростанням чисельності населення, але це нелінійний зв’язок, що вимагає використання нелінійної регресійної моделі.
Таким чином, основна відмінність між лінійною регресією та нелінійною регресією полягає в припущенні про зв’язок між змінними. Лінійна регресія передбачає лінійну залежність, тоді як нелінійна регресія допускає більш гнучкі та складні залежності.
3 найпоширеніші типи багатофакторної регресії: лінійна регресія, логістична регресія та регресія пропорційних ризиків Кокса. Детальне розуміння багатофакторної регресії має важливе значення для правильної інтерпретації досліджень, у яких використовуються ці статистичні інструменти.
Множинна лінійна регресія використовується для оцінити зв'язок між двома чи більше незалежними змінними та однією залежною змінною.
Нелінійна регресія використовується з двома цілями. Вчені використовують нелінійну регресію з однією з двох різних цілей: Підгонка моделі до ваших даних для отримання найкращих значень параметрів або порівняння відповідності альтернативних моделей.