如何评价拟合效果-Origin(Pro)数据拟合系列教程【数据绘图】
-
Pearson's r：皮尔森相关系数，指是两个变量间线性相关强弱的程度，r的绝对值越大表明相关性越强，可用于判断线性拟合（回归）的好坏。r的取值范围为[-1,1]，r>0表示正相关，r<0表示负相关，r=0表示不是线性关系。
-
Reduced Chi-Sqr：表示观测值（）与拟合值（）直接的差异程度。Reduced Chi-Sqr等于Chi-Sqr除以自由度（DOF）。Reduced Chi-Sqr越接近于1，说明拟合效果越好，主要用于非线性拟合中。
-
R-Square (COD)：R-Square也称为coefficient of determination (COD)，表征依变数Y的变异中有多少百分比，可由控制的自变数X来解释。其计算公式为，
其中，SS_reg为回归平方和（regression sum of squares），RSS为残差平方和（residual sum of squares），TSS为总离差平方和（total sum of squares）。R-Square取值范围为【0,1】，COD值越大，说明拟合效果越好。
-
Adj. R-Square：由于用R-Square评价拟合模型的好坏具有一定的局限性，即使向模型中增加的变量没有统计学意义，R-Square值仍会增大。因此需对其进行校正，从而形成了校正的决定系数（Adj. R-Square）。与R-Square不同的是，当模型中增加的变量没有统计学意义时，校正决定系数会减小，因此Adj. R-Square是衡量所建模型好坏的重要指标之一，Adj. R-Square越大，模型拟合得越好。【摘自http://bbs.pinggu.org/thread-1003576-1-1.html】
-
Residual：残差的定义为，
即观测值减去预测值。通常以图形格式显示残差，用于评估拟合/回归的优度。对于一个较好的拟合/回归结果，残差的散点图是无序分布的，并不会显示出一定的趋势；同时直方图应该是对称的钟形分布。更多信息参见http://www.originlab.com/doc/Origin-Help/Residual-Plot-Analysis
-
Models Comparing方法
对于非线性拟合，可能存在多种模型满足拟合需求，但哪种模型最优， originlab会给出答案。原文链接：Step-by-step tutorial for nonlinear fitting - models comparing
对于一个拟合结果的好坏，要多方面进行评价，更重要的是要结合实际情况。即使各个参数都很漂亮，但拟合模型没有实际意义，那也是白瞎。
所用软件：OriginLab OriginPro 2017@Windows 10 pro。