更改

添加965字节 、 2026年1月4日 (星期日)
第55行: 第55行:     
==== 数量级与对数表示 ====
 
==== 数量级与对数表示 ====
−
在规模分析的框架下,数量级和对数刻度是两个极为重要的概念<ref name=":4" />。数量级(order of magnitude)指的是一个数值以 10 为底的幂次表示方式,用于描述跨越巨大尺度的变化。例如,[math]\displaystyle 10^1, 10^2, 10^3, \dots[/math]分别代表十、百、千这样成倍扩展的规模。对数刻度则能将这种指数关系转化为线性关系:[math]\displaystyle \log y = \alpha \log x + \log k[/math]。
+
在规模分析的框架下,数量级和对数刻度是两个极为重要的概念<ref name=":4" />。数量级(order of magnitude)指的是一个数值以 10 为底的幂次表示方式,用于描述跨越巨大尺度的变化。例如,[math]\displaystyle 10^1, 10^2, 10^3, \dots[/math]分别代表十、百、千这样成倍扩展的规模。对数刻度则能将这种指数关系转化为线性关系。例如,如果我们对{{EquationNote|1}}式两边都取10为底的对数,则我们得到:
 +
:<math>
 +
\log Y = \alpha \log X + \log c
 +
</math>
 +
 
 +
如果我们将[math]\log X[/math]和[math]\log Y[/math]理解为两个新的变量[math]X',Y'[/math],则上式表达了[math]X',Y'[/math]二者之间的一个线性关系。且该线性方程的斜率为[math]\alpha[/math],截距为[math]\log c[/math]。
 +
 
 +
这种线性关系很方便我们用[[线性回归]],例如[[最小二乘法]](Ordinary Least Square,简称OLS)或[[主轴回归法]](Major Axis,简称MA)来求出方程中的斜率[math]\alpha[/math]和截距[math]\log c[/math]。
 +
 
 +
当我们拿来两组成对的数据,例如所有国家的人口与GDP,则我们可以对这两组数据取对数,然后绘制散点图,并使用[[最小二乘法]](OLS)进行[[线性回归]],我们就可以估计出这两组数据的规模法则系数和幂指数了。使用这种方法我们可以检验数据之中的规模法则,并估计其关键参数。
    
==== 应用实例: ====
 
==== 应用实例: ====