gmtregressgmt - Trực tuyến trên đám mây

CHƯƠNG TRÌNH:

TÊN

gmtregress - Hồi quy tuyến tính của tập dữ liệu 1-D

SYNOPSIS

gmtregress [ bàn ] [ phút/tối đa/inc ] [ cấp ] [ x|y|o|r ] [ cờ ] [ 1|2|r|w ] [[r]] [
phút/tối đa/inc | n ] [[w][x][y][r]] [[cấp]] [ -a] [ -b] [ -g] [
-h] [ -i] [ -o]

Lưu ý: Không được phép có khoảng trống giữa cờ tùy chọn và các đối số liên quan.

MÔ TẢ

gmtregress đọc một hoặc nhiều bảng dữ liệu [hoặc tiêu chuẩn] và xác định tuyến tính tốt nhất
mô hình hồi quy y = a + b* x cho mỗi phân đoạn bằng cách sử dụng các tham số đã chọn. Người dùng có thể
chỉ định dữ liệu và thành phần mô hình nào nên được báo cáo. Theo mặc định, mô hình sẽ là
được đánh giá ở các điểm đầu vào, nhưng ngoài ra, bạn có thể chỉ định một phạm vi cách đều
để đánh giá mô hình hoặc tắt hoàn toàn đánh giá. Thay vì xác định
phù hợp nhất mà chúng tôi có thể thực hiện quét tất cả các đường hồi quy có thể có (đối với một phạm vi độ dốc
góc) và kiểm tra xem biện pháp phù hợp đã chọn thay đổi như thế nào theo độ dốc. Điều này đặc biệt
hữu ích khi phân tích dữ liệu có nhiều giá trị ngoại lai. Lưu ý: Nếu bạn thực sự cần làm việc với
log10 trong tổng số x or y bạn có thể thực hiện chuyển đổi đó trong quá trình đọc bằng cách sử dụng -i tùy chọn.

YÊU CẦU TRANH LUẬN

Không áp dụng

CHỌN TRANH LUẬN

bàn Một hoặc nhiều ASCII (hoặc nhị phân, xem -bi[ncols][kiểu]) (các) tệp bảng dữ liệu chứa một
số cột dữ liệu. Nếu không có bảng nào được đưa ra thì chúng tôi đọc từ đầu vào chuẩn.
Hai cột đầu tiên được mong đợi chứa các x và y dữ liệu. Tùy
trên của bạn -W và -E cài đặt, chúng tôi có thể mong đợi có thêm 1-3 cột bị lỗi
ước tính của một trong cả hai tọa độ dữ liệu và thậm chí cả mối tương quan của chúng.

-Aphút/tối đa/inc
Thay vì xác định một hồi quy phù hợp nhất, chúng tôi khám phá toàn bộ phạm vi
hồi quy. Kiểm tra tất cả các đường hồi quy có thể có với các góc độ dốc giữa phút
và tối đa, sử dụng các bước của inc độ [-90 / + 90/1]. Đối với mỗi độ dốc, mức tối ưu
chặn được xác định dựa trên loại hồi quy của bạn (-E) và định mức phù hợp (-N)
cài đặt. Đối với mỗi phân đoạn, chúng tôi báo cáo bốn cột góc, E, độ dốc, đánh chặn,
cho phạm vi các góc xác định. Các thông số mô hình tốt nhất trong phạm vi này là
được ghi vào tiêu đề phân đoạn và được báo cáo ở chế độ tiết (-V).

-Ccấp
Đặt mức độ tin cậy (tính bằng%) để sử dụng cho phép tính độ tin cậy tùy chọn
các dải trên hồi quy [95]. Điều này chỉ được sử dụng nếu -F bao gồm cột đầu ra
c.

-Ex | y | o | r
Loại hồi quy tuyến tính, tức là, chọn loại sai lệch mà chúng ta nên tính toán.
Chọn từ x (thoái lui x on y; tức là, mức độ sai lầm được đo lường theo chiều ngang từ dữ liệu
trỏ tới dòng hồi quy), y (thoái lui y on x; tức là, mức độ sai lầm được đo lường
theo chiều dọc [Mặc định]), o (hồi quy trực giao; tức là, mức độ sai lầm được đo lường từ
điểm dữ liệu trực giao với điểm gần nhất trên đường thẳng), hoặc r (Trục chính giảm
hồi quy; tức là, sự không phù hợp là sản phẩm của cả chiều dọc và chiều ngang
sai lầm) [y].

-Fcờ
Nối kết hợp các cột mà bạn muốn trả về; thứ tự đầu ra sẽ khớp
thứ tự được chỉ định. Chọn từ x (Được Quan sát x), y (Được Quan sát y), m (mô hình
sự dự đoán), r (còn lại = dữ liệu trừ mô hình), c (khoảng tin cậy đối xứng trên
sự hồi quy; Thấy chưa -C để xác định mức độ), z (phần dư tiêu chuẩn hóa hoặc
cái gọi là điểm z) Và w (ngoại lệ trọng số 0 hoặc 1; cho -Nw đây là những người được đánh giá lại
Trọng lượng hình vuông ít nhất) [xymrczw]. Để thay thế cho việc đánh giá mô hình, chỉ cần
cho -fp và thay vào đó, chúng tôi ghi một bản ghi duy nhất với các tham số mô hình nđiểm
xmean ý nghĩa góc Misfit độ dốc đánh chặn độ dốc sigma sigma_intercept.

-N1 | 2 | r | w
Chọn định mức để sử dụng cho tính toán sai lệch. Chọn trong số 1 (L-1 thước đo;
giá trị trung bình của phần dư tuyệt đối), 2 (Bình phương tối thiểu; trung bình của bình phương
dư), r (LMS; Giá trị trung bình nhỏ nhất trong số các phần dư bình phương), hoặc w (RLS;
Bình phương tối thiểu được đánh giá lại: giá trị trung bình của phần dư bình phương sau các giá trị ngoại lai
được xác định qua LMS đã bị xóa) [Mặc định là 2]. Sử dụng hồi quy truyền thống
L-2 trong khi L-1 và đặc biệt là LMS mạnh mẽ hơn trong cách chúng xử lý các ngoại lệ.
Như đã ám chỉ, RLS ngụ ý một hồi quy LMS ban đầu, sau đó được sử dụng để xác định
các giá trị ngoại lệ trong dữ liệu, gán các trọng số này bằng XNUMX, sau đó thực hiện lại hồi quy
sử dụng định mức L-2.

-S [r] Hạn chế bản ghi nào sẽ được xuất ra. Theo mặc định, tất cả các bản ghi dữ liệu sẽ được xuất ra
theo định dạng được chỉ định bởi -F. Sử dụng -S để loại trừ các điểm dữ liệu được xác định là
ngoại lệ bằng hồi quy. Ngoài ra, sử dụng -Sr để đảo ngược điều này và chỉ đầu ra
các bản ghi ngoại lệ.

-Tphút/tối đa/inc | -Tn
Đánh giá mô hình hồi quy phù hợp nhất tại các điểm cách đều được ngụ ý bởi
tranh luận. Nếu như -Tn được đưa ra thay vì chúng tôi sẽ đặt lại phút và tối đa đến tột cùng
x-giá trị cho từng phân đoạn và xác định inc để có chính xác n đầu ra
các giá trị cho mỗi phân đoạn. Để bỏ qua hoàn toàn việc đánh giá mô hình, chỉ cần cung cấp
-T0.

-W [w] [x] [y] [r]
Chỉ định hồi quy có trọng số và trọng số nào sẽ được cung cấp. Nối x if
đưa ra sự không chắc chắn 1-sigma trong x-quan sát, y nếu cho 1-sigma
sự không chắc chắn trong yvà r nếu đưa ra mối tương quan giữa x và y quan sát, trong
thứ tự các cột này xuất hiện trong đầu vào (sau hai cột bắt buộc và đứng đầu x,
y cột). Cho cả hai x và y (và tùy chọn r) ngụ ý một trực giao
hồi quy, nếu không thì cho x đòi hỏi -Ví dụ và y đòi hỏi -Ê. Chúng tôi chuyển đổi
sự không chắc chắn trong x và y thành trọng số hồi quy thông qua trọng số quan hệ =
1 / sigma. Sử dụng -Vâng nếu chúng ta nên diễn giải các cột đầu vào đã được tính toán trước
trọng lượng thay thế. Lưu ý: phần dư đối với đường hồi quy sẽ là
chia tỷ lệ theo trọng số đã cho. Hầu hết các định mức sau đó sẽ bình phương cho phần còn lại có trọng số này
(-N1 là ngoại lệ duy nhất).

-V [cấp] (hơn ...)
Chọn mức độ chi tiết [c].

-acol=tên[hữu ích. Cảm ơn !] (hơn ...)
Đặt liên kết cột aspatial col=tên.

-bi [ncols][NS] (hơn ...)
Chọn đầu vào nhị phân gốc.

-bo [ncols][kiểu] (hơn ...)
Chọn đầu ra nhị phân gốc. [Mặc định giống như đầu vào].

-g [a] x | y | d | X | Y | D | [col] z [+ | -]khoảng cách[hoặc là] (hơn ...)
Xác định khoảng trống dữ liệu và ngắt dòng.

-h [i | o] [n] [+ c] [+ d] [+ rnhận xét] [+ rtiêu đề] (hơn ...)
Bỏ qua hoặc tạo (các) bản ghi tiêu đề.

-ivòng cổ[l] [stỉ lệ] [obù đắp] [,hữu ích. Cảm ơn !] (hơn ...)
Chọn các cột đầu vào (0 là cột đầu tiên).

-ovòng cổ[, ...] (hơn ...)
Chọn các cột đầu ra (0 là cột đầu tiên).

-^ or chỉ -
In một thông báo ngắn về cú pháp của lệnh, sau đó thoát ra (LƯU Ý: trên Windows
chỉ sử dụng -).

-+ or chỉ +
In thông báo sử dụng rộng rãi (trợ giúp), bao gồm giải thích về bất kỳ
tùy chọn dành riêng cho mô-đun (nhưng không phải tùy chọn chung theo GMT), sau đó thoát.

-? or Không đối số
In thông báo sử dụng hoàn chỉnh (trợ giúp), bao gồm giải thích về các tùy chọn, sau đó
lối thoát hiểm.

--phiên bản
In phiên bản GMT và thoát.

--show-datadir
In đường dẫn đầy đủ đến thư mục chia sẻ GMT và thoát.

ASCII FORMAT ĐỘ CHÍNH XÁC

Định dạng đầu ra ASCII của dữ liệu số được kiểm soát bởi các tham số trong gmt.conf
tập tin. Kinh độ và vĩ độ được định dạng theo FORMAT_GEO_OUT, ngược lại
giá trị được định dạng theo FORMAT_FLOAT_OUT. Lưu ý rằng định dạng có hiệu lực có thể
dẫn đến mất độ chính xác trong đầu ra, có thể dẫn đến các vấn đề khác nhau ở hạ nguồn. Nếu như
bạn thấy đầu ra không được viết với đủ độ chính xác, hãy cân nhắc chuyển sang hệ nhị phân
đầu ra (-bo nếu có) hoặc chỉ định nhiều số thập phân hơn bằng cách sử dụng cài đặt FORMAT_FLOAT_OUT.

VÍ DỤ

Để thực hiện một hồi quy bình phương nhỏ nhất tiêu chuẩn trên xy dữ liệu trong points.txt và trả về x, y,
và dự đoán mô hình với khoảng tin cậy 99%, hãy thử

gmt hồi quy points.txt -Fxymc -C99> points_regressed.txt

Để chỉ có được độ dốc cho hồi quy ở trên, hãy thử

dốc = `gmt hồi quy điểm.txt -Fp -o5"

Để thực hiện hồi quy bình phương nhỏ nhất đã được trọng số lại trên dữ liệu raw.txt và trả về x, y, model
dự đoán và trọng số RLS, hãy thử

gmt hồi quy raw.txt -Fxymw> points_regressed.txt

Để thực hiện hồi quy bình phương nhỏ nhất trực giao trên dữ liệu crazy.txt nhưng trước tiên hãy lấy
logarit của cả x và y, sau đó trả về x, y, dự đoán mô hình và phần dư chuẩn hóa
(điểm số z), hãy thử

gmt hồi quy crazy.txt -Eo -Fxymz -i0-1l> points_regressed.txt

Để kiểm tra mức độ sai lệch của LMS trực giao thay đổi như thế nào theo góc từ 0 đến 90 trong các bước 0.2
độ cho cùng một tệp, hãy thử

gmt hồi quy điểm.txt -A0/90 / 0.2 -Eo -Nr> points_analysis.txt

THAM KHẢO

Draper, NR và H. Smith, 1998, Ứng dụng hồi quy phân tích, Xuất bản lần thứ 3, 736 tr., John
Wiley và Sons, New York.

Rousseeuw, PJ và AM Leroy, 1987, Mạnh hồi quy và ngoại lệ nhận diện, 329 tr.,
John Wiley và các con trai, New York.

York, D., NM Evensen, ML Martinez và J. De Basebe Delgado, 2004, Phương trình hợp nhất
đối với độ dốc, điểm giao nhau và sai số chuẩn của đường thẳng tốt nhất, Là. J. Vật lý.,
72(3), 367-375.

Sử dụng gmtregressgmt trực tuyến bằng các dịch vụ onworks.net