5利用matlab编程计算非线性回归模型.docVIP

§5. 利用Matlab编程计算非线性回归模型 ——以Logistic曲线为例 1.原始数据 下表给出了某地区1971—2000年的人口数据（表1）。试分别用Matlab和SPSS软件，对该地区的人口变化进行曲线拟合。 表1 某地区人口变化数据 年份 时间变量t=年份-1970 人口y/人 1971 1 33 815 1972 2 33 981 1973 3 34 004 1974 4 34 165 1975 5 34 212 1976 6 34 327 1977 7 34 344 1978 8 34 458 1979 9 34 498 1980 10 34 476 1981 11 34 483 1982 12 34 488 1983 13 34 513 1984 14 34 497 1985 15 34 511 1986 16 34 520 1987 17 34 507 1988 18 34 509 1989 19 34 521 1990 20 34 513 1991 21 34 515 1992 22 34 517 1993 23 34 519 1994 24 34 519 1995 25 34 521 1996 26 34 521 1997 27 34 523 1998 28 34 525 1999 29 34 525 2000 30 34 527 根据上表中的数据，做出散点图，见图1。 图1 某地区人口随时间变化的散点图 从图1可以看出，人口随时间的变化呈非线性过程，而且存在一个与横坐标轴平行的渐近线，故可以用Logistic曲线模型进行拟合。 因为Logistic曲线模型的基本形式为： 所以，只要令：，就可以将其转化为直线模型： 下面，我们分别用Matlab和SPSS软件进行回归分析拟合计算。 2．用Matlab编程进行回归分析拟合计算 源程序（Nonlinear-Regression-Model.m），如下： clear clc % 读入人口数据（1971－2000年） y = [33815 33981 34004 34165 34212 34327 34344 34458 34498 34476 34483 34488 34513 34497 34511 34520 34507 34509 34521 34513 34515 34517 34519 34519 34521 34521 34523 34525 34525 34527]; % 读入时间变量数据（t＝年份－1970） t=[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30]; % 线性化处理 for t = 1:30, x(t)=exp(-t); y(t)=1/y(t,1); end % 计算，并输出回归系数B c=zeros(30,1)+1; X=[c,x]; B=inv(X*X)*X*y for i=1:30, % 计算回归拟合值 z(i)=B(1,1)+B(2,1)*x(i); % 计算离差 s(i)=y(i)-sum(y)/30; % 计算误差 w(i)=z(i)-y(i); end % 计算离差平方和S S=s*s; % 回归误差平方和Q Q=w*w; % 计算回归平方和U U=S-Q; % 计算，并输出F检验值 F=28*U/Q % 计算非线性回归模型的拟合值 for j=1:30, Y(j)=1/(B(1,1)+B(2,1)*exp(-j)); end % 输出非线性回归模型的拟合曲线（Logisic曲线） plot(T,Y) 上述程序运行后，输出 （1）输出回归系数B及F检验值如下： B = 1.0e-004 * 0.2902 0.0182 F = 47.8774 （2）输出Logistic模型拟合曲线 《计量地理学》（徐建华，高等教育出版社，2005）配套实习指导 27