2--可线性化非线性回归.doc

2. 可线性化的非线性回归 例：已知某小型企业自1998年1月至1989年3月间各月的销售收入（万元），见下表。求销售收入与月份间的关系，并预测未来1989年4、5月份的销售收入。 表2 某小型企业各月统计收入情况 2.1 基本绘图操作 (1) 输入数据 输入投资x与盈利y数据，并选中x、y数据。 图26 (2) 插入散点图 点击菜单栏的插入，选择图表。 图27图29 (1) (1) 双曲函数的线性化及成图 将方程1线性化后，得到方程2 (2) 其中， 。，并选中数据。 图 36 点击菜单栏的插入，选择图表。 图37 点击图表，选择“标准类型”中的XY散点图，并点击子图表类型的第一个。 图38 点击下一步，得到图39， 图39 (3) 决定系数R2为0.9828，因而系数a=0.0221，b=0.0295，代入双曲方程(1)，得到双曲方程为： (4) (2) 回归分析 选择“工具-数据分析”选项。 图 50 选择“回归”选项。 图 51 弹出回归框。 图52 选择y、x值输入区域，及输出选项中的输出区域，并选择残差项的残差、标准残差、(残差图、线性拟合图)可选，如图53所示。 图53 最后的线性回归分析图如图54和55所示，依据参数数据检验进行分析，检验回归模型的正确性。 图 54 图 55 2.2.2 指数函数模拟 指数函数的方程为： (5) (1) 指数函数的线性化及成图 将原始数据线性化后，得到： 其中，， 具体操作步骤： 在excel表格中计算新数据，并选中数据 图 56 点击菜单栏的插入，选择图表。 图57 点击图表，选择“标准类型”中的XY散点图，并点击子图表类型的第一个。 图58 点击下一步 图 59 (6) 决定系数为R2=0.9767。进而得到的指数函数方程： (7) (2) 回归分析 选择“工具-数据分析”选项，点击确认后选择弹出框的回归，并点击回归。 图 61 图 62 弹出回归框。 图 63 选择y、x值输入区域，及输出选项中的输出区域，并选择残差项的残差、标准残差、(残差图、线性拟合图)可选。 图 64 最后的线性回归分析图如图65和66。 图65 图 66 .2.2.3 对数函数模型模拟 对数函数的方程为： (8) 将其线性化为： 。其中， (1) 数据线性化及成图 在excel表格中计算新数据，并选中数据 图 67 点击菜单栏的插入，选择图表。 图 68 点击图表，选择“标准类型”中的XY散点图，并点击子图表类型的第一个。 图 69 点击下一步。 图 70 点击下一步，并分别点击标题、网格线、图例等进行查看和修改。 图 71 点击下一步。 图 72 点击完成。 图 73 右击绘图区，修改绘图区格式。 图 74 双击做坐标轴，修改坐标轴刻度。 图 75 x’与y的散点图。 图 76 选中散点，右击散点，选择添加趋势线。 图 77 选择线性类型。 图 78 选项中选择显示公式和显示R2平方值。 图 79 得到趋势线，如图80 图 80 由图80可知，原始数据线性化后得到的线性方程： (9) 决定系数R2=0.9133。对数函数方程： (10) (2) 回归分析 选择“工具-数据分析”选项，点击确认后选择弹出框的回归，并点击回归。 图81 图 82 弹出回归框. 图 83 选择y、x值输入区域，及输出选项中的输出区域，并选择残差项的残差、标准残差、(残差图、线性拟合图)可选。 图 84 最后的线性回归分析图为图85和86 图 85 图 86 2.2.4 双曲线模型、指数函数模型、对数函数模型的比较 (1) 模型R2的比较 采用Significance F（p值）为7.32E-13，指数函数的判定系数Significance F（p值）为5.35E-12，对数函数的判定系数Significance F（p值）为2.82E-08，可见，双曲线的判定系数Significance F（p值）最小。 (3) 最终选择的模型结果故而用双曲线拟合比较合理。 2.5.3最终选择的模型结果 基于以上R2与F显著性检验的分析，选择双曲线拟合该模型更为合适，双曲线方程为：