python中的正交距离回归：返回值的含义

Question

我遵循Orthogonal distance regression方法来使数据适应依赖变量和自变量的错误。

我用简单的直线拟合数据，我的模型是y = ax + b。

现在，我可以编写代码并绘制适合数据的行，但我无法读取结果：

Beta: [ 2.08346947  0.0024333 ]
Beta Std Error: [ 0.03654482  0.00279946]
Beta Covariance: [[  2.06089823e-03  -9.99220260e-05]
[ -9.99220260e-05   1.20935366e-05]]
Residual Variance: 0.648029925546
Inverse Condition #: 0.011825289654
Reason(s) for Halting:
   Sum of squares convergence

Beta只是包含模型(a, b)和Beta Std Error参数值的数组，相关错误。

关于其他价值观，我不知道其含义。

特别是，我想知道哪一个表示拟合优度，类似于chi-square，当只适用于因变量时的错误。

Answer 1

Beta Covariance是您拟合参数的covariance matrix。它可以被认为是描述相互连接的矩阵，你的两个参数是关于它们自己和彼此。

Residual Variance我认为这是衡量拟合优度的指标，值越小，数据拟合得越好。

Inverse Condition是condition number的倒数（1 / x）。条件数定义了拟合函数对输入变化的敏感程度。

scipy.odr是一个更老的FORTRAN77包的包装器，称为ODRPACK。 ODRPACK的文档实际上可以在on the scipy website上找到。这可以帮助您理解您需要知道的内容，因为它包含参数的数学描述。