怎么理解指数相关拟合指数？

1. 怎么理解指数相关拟合指数？

1、CFI
CFI——comparative fit index，比较拟合指数，该指数在对假设模型和独立模型比较时取得，其值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。一般认为，CFI≥0.9，认为模型拟合较好。
2、TLI
TLI——Tucker-Lewis index，Tucker-Lewis指数，该指数是比较拟合指数的一种，取值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。如果TLI﹥0.9，则认为模型拟合较好。
3、RMSEA
RMSEA——root-mean-square error of approximation，近似误差均方根，RMSEA是评价模型不拟合的指数，如果接近0表示拟合良好，相反，离0愈远表示拟合愈差。一般认为，如果RMSEA=0，表示模型完全拟合；RMSEA＜0.05，表示模型接近拟合；0.05≤RMSEA≤0.08，表示模型拟合合理；0.08＜RMSEA＜0.10，表示模型拟合一般；RMSEA≥0.10，表示模型拟合较差。

扩展资料：不同学者提出了许多不同的拟合指数。常用的指标一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似误差均方根）)，GFI（goodness-of-fit index, 拟合优度指数），NNFI（non-normed fit index）和CFI(comparative fit index, 比较拟合指数)。一般认为，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所拟合的模型是一个“好”模型。
AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。

2. 指数拟合的算法

y=ax^b          (1)
给定：x1，x2，.....，xn
          y1，y2，.....，yn
误差函数：Q(a,b)=Σ(i:1->n) (yi-axi^b)^2
根据：∂Q/∂a=0
          ∂Q/∂b=0
解出a、b就是(1)的拟合算法。

3. 什么是拟合值

插值和拟合都是函数逼近或者数值逼近的重要组成部分

他们的共同点都是通过已知一些离散点集M上的约束，求取一个定义
在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律的
目的，即通过"窥几斑"来达到"知全豹"。

简单的讲，所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通
过调整该函数中若干待定系数f(λ1, λ2,…,λ3), 使得该函数与已知点集的
差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者
线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表
达式也可以是分段函数，这种情况下叫作样条拟合。

而插值是指已知某函数的在若干离散点上的函数值或者导数信息，通
过求解该函数中待定形式的插值函数以及待定系数，使得该函数在给
定离散点上满足约束。插值函数又叫作基函数，如果该基函数定义在
整个定义域上，叫作全域基，否则叫作分域基。如果约束条件中只有
函数值的约束，叫作Lagrange插值，否则叫作Hermite插值。

从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式
未知参数的连续曲面来最大限度地逼近这些点；而插值是找到一个(
或几个分片光滑的)连续曲面来穿过这些点。

具体插值拟合的计算参考下面回复：

1)Matlab中如何作线性拟合/线性回归/多元线性回归？
:#FangQ(Qianqian.Fang@Dartmouth.Edu),2002/6/21, BigGreen/MathTools #

即用y=a*x+b来拟合一组数据{{x1,y1},{x2,y2}…{xn,yn}}
matlab中使用polyfit
x=data(:,1);
y=data(:,2);
p=polyfit(x,y,1);
p(1)为斜率a，p(2)为截距b

多元线性回归即用y=a1*x1+a2*x2+..+am*xm来拟合数据点{x1i,x2i,…xmi,yi}
(i=1~n)

|x11,x21,…xm1|
A=|x12,x22,…xm2|
|…………… |
|x1n,x2n,…xmn|

Y={y1,y2,y3,…,yn}'

则系数{a1,a2,…,am}'=pinv(A)*Y
在matlab中使用
coeff=A\Y
则可以得到最小二乘意义上的拟合系数

matlab默认只提供了多项式拟合的函数polyfit，对于其他稍微简单
一点的拟合，如标准的指数、对数、高阶多项式拟合，都有解析公式，参见：
http://mathworld.wolfram.com/LeastSquaresFitting.html
对于更加复杂的非线性函数，建议使用Mathematica或者DataFit

Mathematica中提供了Fit[],以及
<< Statistics`NonlinearFit`
NonlinearFit[],NonlinearRegress[]
可以拟合任意复杂的表达式。

DataFit可以自定义拟合模型，适用于复杂系统的拟合。

4. 什么叫拟合度?

拟合度检验是对已制作好的预测模型进行检验，比较它们的预测结果与病害实际发生情况的吻合程度。通常是对数个预测模型同时进行检验，选其拟合度较好的进行试用。常用的拟合度检验方法有：剩余平方和检验、卡方(c2)检验和线性回归检验等。
⑴．剩余平方和检验是将利用预测的理论预测值（ ）与病害发生的实际情况(y)进行比较，求得它们的差异平方和(Q)、回归误差(S)及曲线相关比(r)的值，希望Q、S的值愈小愈好，曲线相关比（r）愈大愈好。，
r(曲)＝1－(Q/Lyy)
⑵．卡方（c2）检验的计算公式
⑶．回归误差检验法 （Sy/x检验）
通常，多因素预测方程的通式为： y＝b0＋b1x1＋b2x2＋···＋bnxn±2Sy/x
方程尾部的Sy/x为方程的回归误差。在利用预测方程的回归误差进行预测效果的检验时，认为预测值落在2个回归误差的范围之内，就认为预测正确，其实，回归误差是由建立预测方程的原始数据决定的，当原始数据的摆动范围愈大，所建方程的回归误差Sy/x也就愈大，此时用Sy/x作为检验标准，也就扩大了误差范围，因此，该方法的使用尚需探讨。
⑷．参数检验法（线性回归检验法）
在预测模型研制一章中已经提到，要比较几个模型的预测效果时可用参数检验法检查预测值 与病害发生的实测值y的符合情况，即＝y时，它们应符合： =0+1y，
用预测方程所得到的 的与相应的病害发生实测值进行回归，就可以得到如下的线性回归式=a + by，
当有数个预测方程时，便可得到数个如下的线性回归式：
=a1 + b1y，
=a2 + b2y，，
此时比较几个a值和b值，当a值愈趋近于0，b愈趋近于1，则说明该方程的预测效果愈好。按

5. 什么是拟合指数？

1、CFI
CFI——comparative fit index，比较拟合指数，该指数在对假设模型和独立模型比较时取得，其值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。一般认为，CFI≥0.9，认为模型拟合较好。
2、TLI
TLI——Tucker-Lewis index，Tucker-Lewis指数，该指数是比较拟合指数的一种，取值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。如果TLI﹥0.9，则认为模型拟合较好。
3、RMSEA
RMSEA——root-mean-square error of approximation，近似误差均方根，RMSEA是评价模型不拟合的指数，如果接近0表示拟合良好，相反，离0愈远表示拟合愈差。一般认为，如果RMSEA=0，表示模型完全拟合；RMSEA＜0.05，表示模型接近拟合；0.05≤RMSEA≤0.08，表示模型拟合合理；0.08＜RMSEA＜0.10，表示模型拟合一般；RMSEA≥0.10，表示模型拟合较差。

扩展资料：不同学者提出了许多不同的拟合指数。常用的指标一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似误差均方根）)，GFI（goodness-of-fit index, 拟合优度指数），NNFI（non-normed fit index）和CFI(comparative fit index, 比较拟合指数)。一般认为，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所拟合的模型是一个“好”模型。
AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。

6. matlab拟合指数函数

clear all;
close all;
x=[10 12.5 15 17.5 20 22.5 25 27.5 30 32.5 35 37.5 40 42.5 45 47.5 50];
y=[62.1 77.3 92.5 104 112.9 121.9 125 129.4 134 138.2 142.3 143.2 144.6 147.2 147.8 149.1 150.9];
myfunc=inline('beta(1)+beta(2)*exp(beta(4)*x)+beta(3)*exp(-beta(4)*x)','beta','x'); 
beta=nlinfit(x,y,myfunc,[0.5 0.5 0.5 0.5]); 
a=beta(1),k1=beta(2),k2=beta(3),m=beta(4) 
xx=min(x):max(x); 
yy=a+k1*exp(m*xx)+k2*exp(-m*xx); 
plot(x,y,'o',xx,yy,'r')

7. matlab指数拟合

指数函数：( y = exp(a + b*x)）
 
>> x = [2001 2002 2003 2004 2005 2006 2007 2008 2009];
y = [21.5   15.9 11.8 8.7   6.5   4.8   3.5   2.6   2.0];
y=log(y');
d = [1 1 1 1 1 1 1 1 1]; 
a=[d;x];
b = a*y;
a=a*a';
c=ab
 
c =
   601.9448
   -0.2993
 
%所以，拟合函数为 y = exp(601.9448 - 0.2993*x)
 
%根据拟合函数求估测值
>>  x = [2010, 2011, 2012, 2013,  2014]
 exp(601.9448 - 0.2993*x)
ans =
1.4216    1.0539    0.7813    0.5792    0.4294

8. F检验拟合度啥意思

F检验拟合度说明的是整个模型中所有的解释变量的显著程度，是用来看方程整体是否显著，和T值是对应的。【摘要】
F检验拟合度啥意思【提问】
F检验拟合度说明的是整个模型中所有的解释变量的显著程度，是用来看方程整体是否显著，和T值是对应的。【回答】
它与P值有对应关系吗【提问】
无对应关系。F值表示整个拟合方程的显著性，F越大，表示方程越显著，拟合程度也就越好。P值表示不拒绝原假设的程度。简而言之，P<0.5表示假设更可能是正确的，反之则可能是错误的【回答】
无对应关系。F值表示整个拟合方程的显著性，F越大，表示方程越显著，拟合程度也就越好。P值表示不拒绝原假设的程度。简而言之，P<0.5表示假设更可能是正确的，反之则可能是错误的【回答】
无对应关系。F值表示整个拟合方程的显著性，F越大，表示方程越显著，拟合程度也就越好。P值表示不拒绝原假设的程度。简而言之，P<0.5表示假设更可能是正确的，反之则可能是错误的【回答】
无对应关系。F值表示整个拟合方程的显著性，F越大，表示方程越显著，拟合程度也就越好。P值表示不拒绝原假设的程度。简而言之，P<0.5表示假设更可能是正确的，反之则可能是错误的【回答】
无对应关系。F值表示整个拟合方程的显著性，F越大，表示方程越显著，拟合程度也就越好。P值表示不拒绝原假设的程度。简而言之，P<0.5表示假设更可能是正确的，反之则可能是错误的【回答】
痛经的话能吃啥药【提问】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
有没有其他的办法【提问】
可以试下布洛芬缓释胶囊来缓解。【回答】
可以试下布洛芬缓释胶囊来缓解。【回答】
或者其他的药物【提问】
考虑是宫寒引起，可以吃一点温经散寒、暖宫止痛的药，比如艾附暖宫丸。如果是因为气滞血瘀引起的痛经，月经下不来、肚子胀得很难受，血下来后疼痛能够缓解，可以吃点活血化瘀的药，比如益母草颗粒、痛经颗粒，吃了以后能有效。如果痛经因为子宫内膜异位症引起，痛经的特点是呈逐渐加重的趋势，这时一般可以吃一点妈富隆、优思明、优思悦之类的药，对子宫内膜异位症引起痛经调理，这时是有效的。【回答】
晚安【提问】