我不太了解这个概念，需要帮助。

我正在选择是使用线性模型还是在模型公式中应用非线性变换。为了进行诊断，我快速绘制了我的数据：

plotalldaily <- ggplot(amsd, aes(ImpressionsA, Leads.T)) + geom_point(color="orange")+geom_smooth()

从图中，我猜想我的 x 变量的三次多项式变换应该给我一个更好的模型拟合。我提到了这个：http ://www3.nd.edu/~rwilliam/stats2/l61.pdf 。在第 5 页，有关于三次项的多项式模型的解释。

所以我使用两个公式检查了模型的拟合——一个是非线性变换，另一个是简单的线性：

test1 <- lm(Leads.T~ImpressionsA, amsd)

test2 <- lm(Leads.T~I(ImpressionsA^3), amsd)

奇怪的是，线性关系给了我更好的模型拟合：更低的标准化误差、更高的 R 平方和更好的残差分布。

TEST 1 Residuals

TEST 2 Residuals

我不知道该怎么做。我应该适合哪种模型，我应该尝试哪些其他类型的转换？