第8课非线性回归 - 实用回归分析.ppt

第8章 非线性回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.1 可化为线性回归的曲线回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.2 多项式回归 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 §8.3 非线性模型 用非线性最小二乘法求得的三个参数估计值为 k=150.0，a=0.012 43，b=0.892 7 其中k=150.0为回归模型估计的国内航线里程增长上限。 图8.4是用Excel绘制的国内航线里程趋势预测图，其中粗实线是观测值，虚细线是预测值。 图8.4 龚珀兹曲线拟合国内航线里程趋势图 上面的过程中回归迭代给出了一些警告错误，这是由于回归迭代过程中的参数取值超出了允许范围造成的，可以通过对参数取值范围增加一些限制解决，用非线性回归对话框中的Constraints按钮实现。 另外如果参数的初值给得不够准确回归迭代不收敛时，对参数增加一些限制可能就收敛了。例如本例中把k的初值改为130回归迭代不能收敛，但是增加一个k116的限制回归迭代就收敛了。 龚珀兹模型和几种常见的非线性回归模型可以用三和值法求解，见参考文献[15]第13章。 在正态误差假定下，非线性回归的最小二乘估计与极大似然估计是相同的，而极大似然估计具有好的大样本性质，例如渐近无偏性、渐近正态性、一致性等。因而非线性最小二乘估计值比三和值更精确，可以把三和值法的参数估计值作为求解非线性最小二乘的初值。 【例8.6】 下表8.9是我国从1950——2005年历年大陆总人口数，试用威布尔（Weibull）曲线拟合数据并做预测。威布尔曲线如下： 其中参数k是变量发展的上限，参数a 0, 0 b 1, c0。 表8.9 我国历年大陆总人口数 单位：亿人 10.0072 32 1981 5.8796 4 195