非线性回归方法的应用与比较.pdfVIP

第39卷第10期 数学的实践与认识 V01．39No．10 2009年5月 IN May．2009 MATHEMATICSPRACTICEANDTHEORY ， 一一一 ．一工 -t^^●●‘- ‘一一一一～程～ 、-；v， 非线性回归方法的应用与比较 谢 兰1， 高东红2 (1．清华大学医学院，北京100084) (2．北京大学医学部生物数学与生物统计学教研室．北京100083) 摘要： 比较了非线性回归3种方法的数学原理：曲线直线化方法、非线性最小二乘方法、近似非线性法．说 明了用方差分析确定回归模型的统计学意义、用决定系数Rz描述曲线的拟合效果的理论依据．通过对同一 问题用3种方法分析得出结论：非线性回归与近似非线性拟合方法决定系数相近(0．9966与0．9965)，而曲线 直线化决定系数为0．9738．因为近似非线性拟合方法无需选初值．建议应用近似非线性拟合方法． 关键词： 非线性回归，决定系数#t／J,--乘法；曲线直线化；近似非线性 1概 述 100多年前，有位英国遗传学家(Galton)注意到当父亲身高很高时，他的儿子一般不会 比父亲更高．同样如果父亲很矮。他的儿子也一般不会比父亲更矮，而会向一般人的均值靠 拢．当时这位英国遗传学家将这现象称为回归，现在将这概念引伸到随机变量有向回归线集 中的趋势．即观察值不是全落在回归线上，而是散布在回归线周围．但离回归线越近，观察值 越多，偏离较远的观察值极少，这种不完全呈函数关系，但又有一定数量的关系的现象称回 归．回归分析就是确定变量之间的相互联系。相互制约的关系． 有线性回归趋势的两个变量间的关系可以用直线回归分析．但在医学上，大量资料中的 两个变量间的关系并非直线关系。例如细菌生长曲线、药物动力学、毒物剂量与动物死亡率 的关系等等．如果用线性描述将丢失大量信息，甚至得出错误结论，这种情况下，对资料的分 析需要采用曲线回归方法，即根据实验资料找到能描述变量关系的曲线回归方程．我们将这 、 种过程称为非线性回归或曲线拟合． 2非线性回归的步骤 要进行完整的非线性回归分析，通常有3个步骤：首先。是通过适当的方法，找到可以描 述曲线特征的方程，即对所得资料进行曲线拟合；其次，对曲线回归进行假设检验，假设检验 的方法有两种：回归模型的方差分析和系数b的t检验．通常我们采用对回归模型的方差分 析来确定回归模型的统计学意义，然后计算决定系数R2来定量描述曲线的拟合效果．因尺2 对决定系数尺2作假设检验． 收稿日期：2007—02—04 基金项目：北京大学985—2 万方数据 118 数学的实践与认识 39卷 3常用的曲线拟合方法 常用的曲线拟合方法大致分为三类．第一类，针对可被直线化的曲线，可以采用曲线直 线化的方法，再按直线回归方法进行分析；第二类，非线性最小二乘；第三类，近似非线性．下 面通过具体的例子来比较三种拟合方法． 1．曲线直线化 实例 某疾病防治站重复治疗钩虫病病人的次数(z)和复查阳性率(y)资料列于表1 的第1、2列，已初步用散点图显示Y与z的指数曲线关系(即z与InY近似呈直线关系)，试 作指数曲线拟合n]． 已知X与InY近似呈直线关系，做变换Y=InY，以y和z作散点图，如图l所示，呈直 线趋势． 1ny 图1 钩虫病治疗次数和复查阳性率曲线 直线化后的散点图 作y关于z的线性回归，得方程： y一一o．5062x+4．5261 方差分析表明回归具有统计学意义(见表1)． 裹l 例用曲线直线化回归后的方差分析