非线性回归分析的一种有理逼近.pdfVIP

2007年第3期 九江学院学报 No，3，2007 Journal of Jiujiang University 非线性回归分析的一种有理逼近 刘智秉 陈剑军 (九江学院理学院 江西九江 332005) 摘要：利用有理插值逼近回归函数，把最小二乘法和插值技术结合起来，充分利用已知 信息，达到最佳逼近，通过实例，获得了很好的效果。 关键词：回归分析；有理插值；有理逼近；最小二乘法 中图分类号-0 241．5 文献标识码：A 文章编号：1673—4580(2007)03—0066一(03) l 引言 2 有理逼近方法 非线性回归模型可分为可化为线性回归模型， 为引入有理逼近的方法，先介绍有理插值的概 解决的方法类似于线性回归，但不具有无偏性等优 念。 良性质。另一类是不能化为线性回归的非线性回归 设给定m+n+1个不同点xo，x。，…，x + 和相 模型，又称为纯非线性回归模型，其一般模型为： 应的函数值f()【0)，f(x。)，…，f(x + )，所谓有理插 Yi=f(xi，0)+8i，i=l，2，…，n 值问题，乃寻求有理分式函数 其中Y 是因变量，非随机变量x =x …，x ) Rm．Ⅱ( = 是自变量，0=(0。，0 ，…，0 )是未知参数向量，f 表示x ，0的函数，8；是随机误差变量，且E(8 =0 b ≥ (2．1) x +bn1x 一 +…blx+bo 、 E ei,ei i - 使之满足插值条件R xj)=f(xj)，j=0，l， ，-、 ， nl+n (2．2) 非线性回归中除了可化为线性回归的一类可 第m 总cj； 由文献[1]知，用R～(x)近似f(x)时，其截断 直接用最dx--乘估计外，另一类一般无法直接求 l N r O 1 4 O 误差的主要部分是E=foX ” ／D (x)，(这里f(x) 解，数值计算中通常采用逐次逼近的方法，即“线性 、．，、．， 期∞ 化”方法，如Gauss—Newton迭代法。 = ∑Ckx )，大量的计算例子表明，采用nl，n相等 在经济统计分析中，最小二乘法回归分析中一 或接近相等时为最佳，R～(x)可用倒差商和连分 直占据重要的地位。一般说来，只要回归函数是线 式来构造。 性的或很近似线性的，最小二乘是很好的选择。另 为了确定未知系数(2．2)式改写为 外，将有理逼近应用于回归分析，当实际模型是线 性或线性相关程度很高时，有理回归函数模型就退 ∑a xji—f(xj)∑bix f(xj)，j=0，1，…，1