Python中的正交距离回归：返回值的含义

Question

我正在使用正交距离回归的方法来处理有误差的依赖变量和独立变量的数据。

我用一条简单的直线来拟合数据，我的模型是y = ax + b。

现在，我可以写代码并绘制出拟合数据的直线，但我不太能理解结果：

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只是一个数组，里面包含了我模型的参数值(a, b)，而Beta Std Error则是与这些参数相关的误差。

至于其他的值，我就不太清楚它们的意思了。

特别是，我想知道哪个值可以用来判断拟合的好坏，类似于当只考虑依赖变量误差时的卡方检验。

Answer 1

Beta Covariance 是你模型中参数的一个矩阵，叫做协方差矩阵。可以把它想象成一个表，描述了你的两个参数之间的关系，包括它们自己和彼此之间的相互影响。

Residual Variance 我认为是衡量模型拟合效果的一个指标，值越小，说明模型对你的数据拟合得越好。

Inverse Condition 是条件数的倒数（1/x）。条件数用来定义你的拟合函数对输入变化的敏感程度。

scipy.odr 是一个封装了更老的 FORTRAN77 包的工具，叫做 ODRPACK。你可以在 scipy 网站 上找到 ODRPACK 的文档。这可能会帮助你理解你需要知道的内容，因为里面有参数的数学描述。