回归分析实验七.doc

实验报告七 实验课程： 回归分析实验课 专业： 年级： 姓名： 学号： 指导教师： 完成时间： 得分： 教师评语： 学生收获与思考 实验七 非线性回归（4学时） 一、实验目的 1．掌握非线性回归模型的建模步骤 3．运用SAS计算非线性回归模型的各参数估计及相关检验统计量 二、来拟合回归模型，①乘性误差项，②加性误差项。 2．用DATA步建立一个永久SAS数据集，数据集名为xt94, 数据见表19（y是北京市每百户家庭平均拥有的照相机数）；对数据集xt94,拟合Logisitc回归函数①已知u=100，用线性化方法拟合，②u未知，用非线性最小二乘法拟合。u的初值可取100，。 3. 用DATA步建立一个永久SAS数据集，数据集名为xt95, 数据见表20，对数据集xt95,①用线性化的乘性误差项模型拟合C-D生产函数②用非线性最小二乘拟合加性误差项模型的C-D生产函数。 四．实验仪器 计算机和SAS软件 实验步骤和结果分析 1．用DATA步建立一个永久SAS数据集，数据集名为xt93,数据见表18；对数据集xt93,用来拟合回归模型，①乘性误差项，②加性误差项。 散点图，明显看出y与x不是线性关系。 ①乘性误差项 线性化：，其中， 对替换了的变量进行线性模型拟合，有： 由方差分析表可以看出，P值小于0.05，可以看出该线性模型是显著，R方和调整R方都很大，也说明拟合程度高。 由参数估计表，可以看出，两个变量都很显著，有线性方程： 回代到原方程，为： ②加性误差项 不能线性化，直接用非线性拟合，设初值 有： 可以看出，模型检验通过，可以认为该非线性模型拟合的好。参数检验的误差也很小，参数估计的区间不包括零点且较短，故，该非线性模型为： SAS代码：data xt93; input x y; u=log(y); v=1/x; cards; 4.2 0.086 4.06 0.09 3.8 0.1 3.6 0.12 3.4 0.13 3.2 0.15 3 0.17 2.8 0.19 2.6 0.22 2.4 0.24 2.2 0.35 2 0.44 1.8 0.62 1.6 0.94 1.4 1.62 ; run; proc gplot data=xt93; plot y*x=1; symbol1 c=red v=star i=none; run; proc reg data=xt93;/*用线性拟合有乘性误差项的模型*/ model u=v; run; Proc nlin data=xt93 method=marquardt;/*用非线性拟合有加性误差项的模型，method设置的是模型参数近似求解方法，SAS提供五种办法，内设是GUASS*/ Parms a=0.021 b=6.08;/*给出参数名称并赋初值*/ Model y=a*exp(b/x); Run; 2．用DATA步建立一个永久SAS数据集，数据集名为xt94, 数据见表19（y是北京市每百户家庭平均拥有的照相机数）；对数据集xt94,拟合Logisitc回归函数①已知u=100，用线性化方法拟合，②u未知，用非线性最小二乘法拟合。u的初值可取100，。 ①已知u=100，用线性化方法拟合 将Logisitc回归函数变换为： 令，作u与t的一元线性回归拟合。 由散点图，可以看出，t与y符合Logisitc回归函数的图像 由方差分析表，P值远小于0.05，说明该线性模型显著成立，且R方=0.9881，说明拟合效果好。 由参数估计表，两个变量都显著。此时，模型为 回归方程为： ②u未知，用非线性最小二乘法拟合。u的初值可取100，。 取初值u=100,b0=0.157,b1=0.768，进行非线性最小二乘法拟合： 由模型检验可以发现，P值小于0.05，说明该非线性模型是显著的。 由参数估计，可以得出，回归方程为 Sas程序： data xt94; input t y; u=log(1/y-1/100); cards; 1 7.5 2 9.8 3 11.4 4 13.3 5 17.2 6 20.6 7 29.1 8 34.6 9 47.4 10 55.5 11 59.6 1