gmtregressgmt - 云端在线

程序：

您的姓名

gmtregress - 一维数据集的线性回归

概要

回归 [ 表 [ 分钟/最大/公司 [ 水平 [ x|y|o|r [ 标志 [ 1|2|r|w ] [ [r] ] [
分钟/最大/公司 | n ] [ [w][x][y][r] ] [ [水平] ] [ -a] [ -b] [ -g] [
-h] [ -i] [ -o]

请注意： 选项标志和相关参数之间不允许有空格。

商品描述

回归 读取一个或多个数据表[或 标准输入] 并确定最佳线性
回归模型 y = a + b* x 使用所选参数的每个段。 用户可以
指定应报告哪些数据和模型组件。 默认情况下，模型将是
在输入点处评估，但您也可以指定一个等距范围
用于评估模型，或完全关闭评估。 而不是确定
我们可以扫描所有可能的回归线（对于一定范围的斜率）的最佳拟合
角度）并检查所选的失配测量如何随坡度变化。 这一点特别
在分析具有许多异常值的数据时很有用。 注意：如果您确实需要与
log10 的 x or y 您可以在阅读期间使用以下方法完成该转换 -i 选项。

所需 争论

没有

不是必须的 争论

表 一个或多个 ASCII（或二进制，见 -双[恩科斯][类型]) 数据表文件保存一个
数据列数。 如果没有给出表，那么我们从标准输入中读取。
前两列预计包含所需的 x 和 y 数据。 取决于
在您的 -W 和 -E 设置中我们可能预计会有额外的 1-3 列出现错误
两个数据坐标之一的估计，甚至它们的相关性。

-A分钟/最大/公司
我们不是确定最佳拟合回归，而是探索全方位
回归。 检查所有可能的回归线，其倾斜角度介于 分钟
和 最大，使用步骤 公司 度 [-90/+90/1]。 对于每个斜率，最优
截距是根据您的回归类型确定的（-E）和失配范数（-N)
设置。 对于每个部分，我们报告四列 角度, E, 坡, 截距,
对于指定角度的范围。 该范围内的最佳模型参数是
写入段头并以详细模式报告（-V).

-C水平
设置用于可选置信度计算的置信度（以 % 为单位）
回归带[95]。 仅当以下情况时才使用 -F 包括输出列
c.

-Ex|y|o|r
线性回归的类型，即选择我们应该计算的失配类型。
选择 x （回归 x on y; 即，失配是根据数据水平测量的
指向回归线）， y （回归 y on x; 即，测量失配
垂直[默认]）， o （正交回归；即，失配是从
与直线上最近点正交的数据点），或 r （减少长轴
回归； 即，失配是垂直和水平的乘积
不合适）[y].

-F标志
附加您希望返回的列的组合； 输出顺序将匹配
指定的顺序。 从中选择 x （观察到的 x), y （观察到的 y), m （模型
预言）， r （残差=数据减去模型）， c （对称置信区间
回归； 看 -C 用于指定级别）， z （标准化残差或
所谓 Z分数) 以及 w （异常值权重为 0 或 1；对于 -净重 这些是重新加权的
最小二乘权重）[xymrczw]。 作为评估模型的替代方法，只需
给 -Fp 我们用模型参数写一条记录 n点
平均数 意思是 角度 不称职 坡 截距 西格玛斜率 西格玛截距.

-N1|2|r|w
选择用于失配计算的范数。 选择其中 1 （L-1 措施；
绝对残差的平均值）， 2 （最小二乘；平方的平均值
残差）， r （LMS；残差平方的最小中位数），或 w （RLS；
重新加权最小二乘：异常值后残差平方的平均值
通过 LMS 识别已被删除）[默认为 2]。 传统回归使用
L-2 而 L-1，特别是 LMS 在处理异常值方面更加稳健。
正如所提到的，RLS 意味着初始 LMS 回归，然后用于识别
数据中的异常值，为它们分配零权重，然后重做回归
使用 L-2 范数。

-S[r] 限制将输出哪些记录。 默认情况下会输出所有数据记录
以指定的格式 -F。 使用 -S 排除标识为的数据点
通过回归得出异常值。 或者，使用 -锶 反转这个并且只输出
异常值记录。

-T分钟/最大/公司 | -Tn
在等距点处评估最佳拟合回归模型
论据。 如果 -Tn 相反，我们将重置 分钟 和 最大 到了极点
x-每个段的值并确定 公司 使得正好有 n 产量
每个段的值。 要完全跳过模型评估，只需提供
-T0.

-W[w][x][y][r]
指定加权回归以及将提供哪些权重。 附加 x if
给出 1-sigma 不确定性 x-观察， y 如果给出 1-sigma
不确定性 y和 r 如果给出之间的相关性 x 和 y 观察，在
这些列在输入中出现的顺序（在两个必需的和前导的之后） x,
y 列）。 两者都给予 x 和 y （和可选 r) 意味着正交
回归，否则给出 x 过程需要在牛奶或乳清产品在管式降膜蒸发器中浓缩至约XNUMX%固体含量之前，进行初始的热处理和巴氏杀菌步骤。 -前任 和 y 过程需要在牛奶或乳清产品在管式降膜蒸发器中浓缩至约XNUMX%固体含量之前，进行初始的热处理和巴氏杀菌步骤。 -Ey。 我们转换
不确定性 x 和 y 通过关系权重 = 回归权重
1/西格玛。 使用 -WW 如果我们应该将输入列解释为已预先计算
相反。 注意：相对于回归线的残差将为
按给定权重缩放。 大多数标准将对该加权残差进行平方
(-N1 是唯一的例外）。

-V[水平] （更多的 ...）
选择详细级别 [c]。

-a山坳=姓名[...] （更多的 ...）
设置非空间列关联 山坳=姓名.

-双[恩科斯][吨] （更多的 ...）
选择本机二进制输入。

-博[恩科斯][类型] （更多的 ...）
选择本机二进制输出。 [默认与输入相同]。

-g[a]x|y|d|X|Y|D|[山坳]z[+|-]差距[U] （更多的 ...）
确定数据间隙和换行符。

-h[我|o][n][+c][+d][+r备注][+r标题] （更多的 ...）
跳过或生成标题记录。

-i列[升][秒由于平均内核尺寸较大，西米棕榈的加工比类似作物简单。然而，西米棕榈的相对稀缺性降低了潜在的加工规模。][哦抵消][,...] （更多的 ...）
选择输入列（0 是第一列）。

-o列[，...] （更多的 ...）
选择输出列（0 是第一列）。

-^ or 只是 -
打印一条关于命令语法的短消息，然后退出（注意：在 Windows 上
只用 -).

-+ or 只是 +
打印广泛的使用（帮助）消息，包括对任何
模块特定选项（但不是 GMT 通用选项），然后退出。

-? or 没有 参数
打印完整的使用（帮助）消息，包括选项的解释，然后
退出。

- 版
打印 GMT 版本并退出。

--显示数据目录
打印 GMT 共享目录的完整路径并退出。

ASCII码 FORMAT 精准匹配

数值数据的 ASCII 输出格式由您的参数控制 配置文件
文件。 经度和纬度根据 FORMAT_GEO_OUT 格式化，而其他
值根据 FORMAT_FLOAT_OUT 进行格式化。 请注意，有效的格式可以
导致输出精度下降，从而导致下游出现各种问题。 如果
你发现输出没有足够的精度，考虑切换到二进制
输出 （-博 如果可用）或使用 FORMAT_FLOAT_OUT 设置指定更多小数。

示例

进行标准最小二乘回归 XY 数据在points.txt并返回x, y,
和具有 99% 置信区间的模型预测，尝试

gmt 回归点.txt -Fxymc -C99 > point_regressed.txt

要获得上述回归的斜率，请尝试

斜率=`gmt 回归点.txt -Fp -o5`

对数据 rough.txt 进行重新加权最小二乘回归并返回 x、y、模型
预测和 RLS 权重，尝试

gmt回归rough.txt -Fxymw>points_regressed.txt

要对数据crazy.txt进行正交最小二乘回归，但首先取
x 和 y 的对数，然后返回 x、y、模型预测和归一化残差
（z 分数），尝试

gmt 回归疯狂.txt -Eo -Fxymz -i0-1l > 点回归.txt

检查正交 LMS 失配如何随 0 到 90 度之间的角度变化（步长为 0.2）
同一文件的度数，请尝试

gmt 回归点.txt -A0/90/0.2 -Eo -Nr > 点分析.txt

参考文献：

Draper, NR 和 H. Smith, 1998, 已申请 回归 分析，第 3 版，736 页，约翰
威利父子公司，纽约。

卢梭、PJ 和 AM Leroy，1987 年， 安全性 回归 和 局外人 发现，329页，
约翰·威利父子公司，纽约。

York, D.、NM Evensen、ML Martinez 和 J. De Basebe Delgado，2004 年，统一方程
对于最佳直线的斜率、截距和标准误差， 上午。 J. 物理,
72（3），367 375。

使用 onworks.net 服务在线使用 gmtregressgmt