SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Piecewise linear regression models

verne avatar
verne
7 diapositives · 868 Views · Jul 13, 2014

Piecewise linear regression models. Another use of interaction terms containing dummy variables. A plot demonstrating the need. The residuals versus fits plot demonstrating the need.

Piecewise linear regression models - slide 1
01 / 7Piecewise linear regression models
1 / 17

Télécharger la présentation

Piecewise linear regression models
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Piecewise linear regression models Another use of interaction terms containing dummy variables

  2. A plot demonstrating the need

  3. The residuals versus fits plot demonstrating the need

  4. and … the independent error terms i follow a normal distribution with mean 0 and equal variance 2. A formulated piecewise linear regression model • where … • yi is the compressive strength (lbs/sq in) • xi1 is the water-cement ratio (%) • xi2 is a dummy variable (0 if xi1≤ 70 and 1 if xi1 > 70) • xi2* is the (xi1-70) xi2interaction term

  5. The resulting output The regression equation is strength = 7.79 - 0.0663 ratio - 0.101 x2* Predictor Coef SE Coef T P Constant 7.7920 0.6770 11.51 0.000 ratio -0.06633 0.01123 -5.90 0.000 x2* -0.10119 0.02812 -3.60 0.003 S = 0.3286 R-Sq = 93.8% R-Sq(adj) = 93.0% Analysis of Variance Source DF SS MS F P Regression 2 24.718 12.359 114.44 0.000 Residual Error 15 1.620 0.108 Total 17 26.338

  6. The estimated regression functions

  7. The residuals versus fits plot