回归分析BBD8B9E9B7D6CEF6.ppt

第1节 线性回归 第2节 逐步回归 第3节 多项式回归 第4节 非线性回归 例 1 Logistic增长曲线模型和Gompertz增长曲线模型是计量经济中常用的两个模型，用来拟合销售量的增长趋势。 其中，L是销售量的上限。某个地区的高压锅的销售量（万台）如下，为此给出两个模型的拟合结果，L=3000。 X=[1981:1993]; y=[43.65,109.86,187.21,312.67,496.58,707.65,960.25,1238.75,1560.00,1824.29,2199.00,2438.89,2737.71]; 非线性回归拟合比较困难，一是模型结构构造困难，而是模型参数的初始值难以确定。 首先介绍非线回归的matlab处理函数 Nlinfit 功能：用高斯-牛顿法进行非线性最小二乘拟合 格式：[beta,r,J]=nlinfit(X,y,’model’,beta0) 说明：model为回归函数，beta为回归系数，beta0为回归系数初始值。r为残差，J为雅可比(Jacobi)矩阵，提供预测的误差估计。 先构造model函数（M文件） function yt=Logistic(beta,t) yt=beta(1)./(1-beta(2)*exp(-beta(3)*t)); function yt=Gompertz(beta,t) yt=beta(1)*