4曲线回归精品.docVIP

第十一章 曲线回归 在农学和生物学研究中，两个变数之间的关系不一定是简单的线性关系，而可能是各种各样的曲线关系。例如施肥量(X)和产量(Y)、光照强度(X)和光合作用效率(Y)、药剂浓度(X)和害虫死亡率(Y)等，虽然在X的某一区间上，X和Y的关系有可能用线性描述，但就X可能取值的整个区间而言，其真实关系便非线性。两个变数间呈现曲线关系的回归称曲线回归(curvilinear regression)或称非线性回归(non-linear regression)。以最小二乘法分析曲线关系资料在数量变化上的特征和规律，称为曲线回归分析或非线性回归分析。从曲线回归的角度看，线性回归仅是其中的一个特例：直线可看成是曲率为0的曲线。 本章将介绍曲线回归分析方法，主要内容有：① 确定两个变数间数量变化的某种特定的规则或规律；② 估计表示该种曲线关系特点的一些重要参数，如回归参数、极大值、极小值和渐近值等；③ 为生产预测或试验控制进行内插，或在论据充足时作出理论上的外推。 第一节 曲线的类型与特点 农学和生物学中两个变数间的曲线关系有多种多样，根据曲线的性质和特点可大致分为6类：指数函数曲线、对数函数曲线、幂函数曲线、双曲函数曲线、S型曲线和多项式曲线。 一、指数函数曲线 图11.1 方程的图象 指数函数方程有两种形式： 以上两式的x都是作为指数出现的，因而称作指数函数。指数函数中的参数b一般用来描述增长或衰减的速度。以为例，如图11.1所示，当a＞0、b＞0时，y随x的增大而增大(增长)，曲线凹向上；当a＞0、b＜0时，y随x的增大而减小(衰减)，曲线也是凹向上。 二、对数函数曲线 图11.2 方程=a+blnx的图象 对数函数方程的一般表达式为： 由于上式中x以自然对数的形式出现，故称对数函数。对数函数表示x变数的较大变化可引起y变数的较小变化。由图11.2可见，当b＞0时，y随x的增大而增大，曲线凸向上；当b＜0时，y随x的增大而减小，曲线凹向上。根据对数函数的性质，x为大于0的正数。 三、幂函数曲线 图11.3 方程的图象 幂函数曲线指y是x某次幂的函数曲线，其方程为： 图11.3是幂函数曲线的图像。当a＞0、b＞1时，y随x的增大而增大，曲线凹向上；当a＞0、0＜b＜1时，y也随x的增大而增大，但变化较缓，曲线凸向上；当a＞0、b＜0时，y随x的增大而减小，曲线凹向上，且以x轴和y轴为渐近线。 四、双曲函数曲线 图11.4 方程的图象 双曲函数因其属于变形双曲线而得名，其曲线方程一般有以下3种形式： ① ② ③ 以为例，该曲线方程通过原点(0，0)，当a＞0、b＞0时，y随x的增大而增大，但速率趋小，曲线凸向上，并向y=1/b渐近；当a＞0、b＜0时，y随x的增大而增大，速率趋大，曲线凹向上，并向渐近，如图11.4。 五、S型曲线 图11.5 方程的图象 S型曲线主要用于描述动、植物的自然生长过程，故又称生长曲线。生长过程的基本特点是开始增长较慢，而在以后的某一范围内迅速增长，达到一定的限度后增长又缓慢下来，曲线呈拉长的“S”，故称S型曲线。 最著名的S型曲线是Logistic生长曲线，它最早由比利时数学家P. F. Verhulst于1838年导出，但直至本世纪20年代才被生物学家及统计学家R. Pearl和L. J. Reed重新发现，并逐渐被人们所重视。目前它已广泛应用于动植物的饲养、栽培、资源、生态、环保等方面的模拟研究。 Logistic曲线方程为： 式中a、b和k为＞0的参数。当x=0时，；当x→∞，。所以时间为0的起始量为，时间为无限延长的终极量为k。曲线在时有一拐点，这时，恰好是终极量k的一半。在拐点左侧，曲线凹向上，表示速率由小趋大；在拐点右侧，曲线凸向上，速率由大趋小，见图11.5。 第二节 曲线方程的配置 曲线方程配置(curve fitting)是指对两个变数资料进行曲线回归分析，获得一个显著的曲线方程的过程。本节首先介绍曲线回归分析的一般程序，然后用3个实例分别演示指数曲线方程、幂函数曲线方程和S型曲线方程的配置过程。 一、曲线回归分析的一般程序 由试验数据配置曲线回归方程，一般包括以下3个基本步骤： 1．根据变数X与Y之间的确切关系，选择适当的曲线类型。 确定曲线类型是曲线回归分析的关键。除了应有专业知识的支撑外，统计上通常采用图示法和直线化法辅助选择。 图示法是将试验数据按自然尺度绘出散点图，然后按照散点趋势画出反映它们之间变化规律的曲线，并与已知的各种曲线方程相比较，找出与之最为相似的曲线图形，作为选定的曲线类型。 直线化法是在散点图的基础上选出一种曲线类型，对该曲线方程进行尺度转换使之直线化，再将原数据进行相同的尺度转换，用转换后