可线性化的一元非线性回归.pptVIP

* * 前一节，我们学习了一元线性回归分析问题，在实 际应用中，有些变量之间并不是线性相关关系，但可以 经过适当的变换，把非线性回归问题转化为线性回归问 题。 可线性化的一元非线性回归 常见的几种变换形式： 1、双曲线 令 2、幂函数曲线 令 化非线性回归为线性回归 变形 3、指数函数曲线 令 变形 4、负指数函数曲线 令 化非线性回归为线性回归 变形 5、对数函数曲线 令 6、S型（Logistic）曲线 令 化非线性回归为线性回归 变形 例1 测定某肉鸡的生长过程，每两周记录一次鸡的重量， 数据如下表 2.8 14 2.67 12 2.47 10 2.2 1.73 0.86 0.3 y/kg 8 6 4 2 x/周 由经验知鸡的生长曲线为Logistic曲线，且极限生长量 为k=2.827，试求y对x的回归曲线方程。 解 由题设可建立鸡重y与时间x的相关关系为 令 则有 列表计算 -123.531 40.323 560 -8.162 13.03 56 ? 2.8 2.67 2.47 2.2 1.73 0.86 0.3 y 14 12 10 8 6 4 2 x -10.042 1.576 64 -1.255 4 -2.733 0.208 36 -0.456 3 3.309 0.684 16 0.827 2 4.262 4.541 4 2.131 1 -64.982 21.544 196 -4.642 7 -34.003 8.029 144 -2.834 6 -19.342 3.741 100 -1.934 5 xy y2 X2 y 序号 所以 所以所求曲线方程为 上机操作 输入原始数据 上机操作 计算 上机操作 上机操作 上机操作 是y*，而不是y 自变量 上机操作 回归方程，还要回代系数 多重回归分析 在实际问题中，自变量的个数可能多于一个，随机变量 y与多个可控变量x1,x2,x3,…,xk之间是否存在相关关系，则属于多重（元）回归问题。本节讨论多重线性回归。 多重线性回归模型 随机变量 与 之间的线性关系 (1) 其中 未知 则（1）式称为多重线性回归模型。 多重线性回归模型 若对变量 与 分别作n次观测，则可得 一个容量为n的子样 (2) 其中 为待定参数，称为回归系数。 （2）式含有k+1个参数，故观测次数应满足nk+1。 则有 多重线性回归模型的矩阵形式 记 则（2）有矩阵形式 其中 确定 的最小二乘法 考虑多元函数 目标：确定 使 最小 方法： 解得 ——多重线性回归方程 线性回归方程的有效性检验——方差分析法 线性回归方程 是否有统计意义，可检验假设 是否成立 方法：方差分析法，将总离差平方和分解 线性回归方程的有效性检验——方差分析法 ——回归平方和，反映线性关系对观测结果产生的数 据波动，SSR越大，线性相关关系越强。 ——剩余平方和（或残差平方和），反映除线性因素之 外的其它因素对观测结果产生的数据波动，SSE越大， 则其它因素对Y的影响越大。 线性回归方程的有效性检验——方差分析法 在H0成立的条件下，可以证明： （n为观测次数，k为自变量个数） 构造F统计量 当 时，拒绝H0。 回归系数的统计检验 回归方程的有效性检验，只是解决了 与 之间是否有线性相关关系，至于变量 对 的影响是否 有统计意义，无从看出，因此，还需对回归系数 是否 为0作统计检验。 提出假设 如果H0成立，可以证明统计量 当 时，拒绝H0。 利用回归方程作预测及控制 对于给定的 点估计值 置信水平为 的预测区间为 例2 某种水泥在凝固时放出的热量Y（cal/g）与水泥中 下列4种化学成分有关： 的成分（%） 的成分