public class OLSSummary
extends com.supermap.data.InternalHandleDisposable
构造器和说明 |
---|
OLSSummary()
默认构造函数。
|
限定符和类型 | 方法和说明 |
---|---|
void |
dispose()
释放该对象所占用的资源。
|
double |
getAIC()
获取普通最小二乘法结果汇总中的AIC。
|
double |
getAICc()
获取普通最小二乘法结果汇总中的AICc。
|
double[] |
getCoefficient()
获取普通最小二乘法结果汇总中的系数。
|
double[] |
getCoefficientStd()
获取普通最小二乘法结果汇总中的系数标准差。
|
int |
getFDof()
获取普通最小二乘法结果汇总中的联合F统计量自由度。
|
double |
getFProbability()
获取普通最小二乘法结果汇总中的联合F统计量的概率。
|
double |
getFStatistic()
获取普通最小二乘法结果汇总中的联合F统计量。
|
int |
getJBDof()
获取普通最小二乘法结果汇总中的Jarque-Bera统计量自由度。
|
double |
getJBProbability()
获取普通最小二乘法结果汇总中的Jarque-Bera统计量的概率。
|
double |
getJBStatistic()
获取普通最小二乘法结果汇总中的Jarque-Bera统计量。
|
int |
getKBPDof()
获取普通最小二乘法结果汇总中的Koenker(Breusch-Pagan)统计量自由度。
|
double |
getKBPProbability()
获取普通最小二乘法结果汇总中的Koenker(Breusch-Pagan)统计量的概率。
|
double |
getKBPStatistic()
获取普通最小二乘法结果汇总中的Koenker(Breusch-Pagan)统计量。
|
double[] |
getProbability()
获取普通最小二乘法结果汇总中的t分布统计量概率。
|
double |
getR2()
获取普通最小二乘法结果汇总中的判定系数(R2)。
|
double |
getR2Adjusted()
获取普通最小二乘法结果汇总中的校正的判定系数。
|
double[] |
getRobust_Pr()
获取普通最小二乘法结果汇总中的稳健系数概率。
|
double[] |
getRobust_SE()
获取普通最小二乘法结果汇总中的稳健系数标准差。
|
double[] |
getRobust_t()
获取普通最小二乘法结果汇总中的稳健系数t分布统计量。
|
double |
getSigma2()
获取普通最小二乘法结果汇总中的残差方差。
|
double[] |
getStdError()
获取普通最小二乘法结果汇总中的标准误差。
|
double[] |
gett_Statistic()
获取普通最小二乘法结果汇总中的t分布统计量。
|
String[] |
getVariable()
获取普通最小二乘法结果汇总中的变量数组。
|
double[] |
getVIF()
获取普通最小二乘法结果汇总中的方差膨胀因子。
|
int |
getWaldDof()
获取普通最小二乘法结果汇总中的联合卡方统计量自由度。
|
double |
getWaldProbability()
获取普通最小二乘法结果汇总中的联合卡方统计量的概率。
|
double |
getWaldStatistic()
获取普通最小二乘法结果汇总中的联合卡方统计量。
|
static void |
setIsDisposable(com.supermap.data.InternalHandleDisposable obj,
boolean disposable) |
public void dispose()
public double getAIC()
与AICc类似,是衡量模型拟合优良性的一种标准,可以权衡所估计模型的复杂度和模型拟合数据的优良性,在评价模型时是兼顾了简洁性和精确性。表明增加自由参数的数目提高了拟合的优良性,AIC鼓励数据的拟合性,但是应尽量避免出现过度拟合的情况。所以优先考虑AIC值较小的,是寻找可以最好的解释数据但包含最少自由参数的模型。
public double getAICc()
当数据增加时,AICc收敛为AIC,也是模型性能的一种度量,有助与比较不同的回归模型。考虑到模型复杂性,具有较低AICc值的模型将更好的拟合观测数据。AICc不是拟合度的绝对度量,但对于比较用于同一因变量且具有不同解释变量的模型非常有用。如果两个模型的AICc值相差大于3,具有较低AICc值的模型将视为更佳的模型。
public double getR2()
判定系数是拟合度的一种度量,其值在0.0和1.0范围内变化,值越大模型越好。此值可解释为回归模型所涵盖的因变量方差的比例。R2计算的分母为因变量值的平方和,添加一个解释变量不会更改分母但是会更改分子,这将出现改善模型拟合的情况,但是也可能假象。
public double getR2Adjusted()
校正的判定系数的计算将按分子和分母的自由度对它们进行正规化。这具有对模型中变量数进行补偿的效果,由于校正的R2值通常小于R2值。但是,执行校正时,无法将该值的解释作为所解释方差的比例。自由度的有效值是带宽的函数,因此,AICc是对模型进行比较的首选方式。
public double getSigma2()
残差方差,为剩余平方和除以残差的有效自由度。此统计值越小,模型拟合效果越好。
public double getFStatistic()
联合F统计量用于检验整个模型的统计显著性。只有在Koenker(Breusch-Pagan)统计量不具有统计显著性时,联合F统计量才可信。检验的零假设为模型中的解释变量不起作用。对于大小为95%的置信度,联合F统计量概率小于0.05表示模型具有统计显著性。
public double getWaldStatistic()
联合卡方统计量用于检验整个模型的统计显著性。只有在Koenker(Breusch-Pagan)统计量具有统计显著性时,联合F统计量才可信。检验的零假设为模型中的解释变量不起作用。对于大小为95%的置信度,联合F统计量概率小于0.05表示模型具有统计显著性。
public double getKBPStatistic()
Koenker(Breusch-Pagan)统计量能评估模型的稳态,用于确定模型的解释变量是否在地理空间和数据空间中都与因变量具有一致的关系。检验的零假设为检验的模型是稳态的。对于大小为95%的置信度,联合F统计量概率小于0.05表示模型具有统计显著异方差性或非稳态。当检验结果具有显著性时,则需要参考稳健系数标准差和概率来评估每个解释变量的效果。
public double getJBStatistic()
Jarque-Bera统计量能评估模型的偏差,用于指示残差是否呈正态分布。检验的零假设为残差呈正态分布。对于大小为95%的置信度,联合F统计量概率小于0.05表示模型具有统计显著性,回归不会呈正态分布,模型有偏差。
public double getFProbability()
public double getWaldProbability()
public double getKBPProbability()
public double getJBProbability()
public int getFDof()
public int getWaldDof()
public int getKBPDof()
public int getJBDof()
public String[] getVariable()
intercept为截距。
public double[] getCoefficient()
系数表示解释变量和因变量之间的关系和类型。
public double[] getStdError()
public double[] gett_Statistic()
public double[] getProbability()
public double[] getRobust_SE()
public double[] getRobust_t()
public double[] getRobust_Pr()
public double[] getVIF()
较大的方差膨胀因子表示解释变量存在冗余。
public double[] getCoefficientStd()
public static void setIsDisposable(com.supermap.data.InternalHandleDisposable obj, boolean disposable)
Copyright © 2021–2024 SuperMap. All rights reserved.