多元统计学-课件 第二章5.pptVIP

§ 2.9 非线性回归模型简介 前面讨论的回归模型都是在因变量与自变量的关系为线性的关系上。在实际问题中，变量与自变量的关系往往不是线性的，用线性回归模型处理，有时效果很不理想，这时就应考虑用非线性回归模型来解决。对于非线性回归模型又可分为两种类型，一种类型是可以通过变量变换化非线性模型为线性模型；另一类非线性模型是用任何变量变换办法都不能直接化为线性模型来求解，而必须采用其他方法。下面分别就这两种类型作一个简介。 §2.9.1 用数学变换法化非线性模型为线性模型 （一）一元非线性模型数学变换简述 在实际问题中，有时两个变量间的关系不是线性相关关系，而是某种曲线相关关系。这时如果仍直接作线性回归，就不能反映这两个变量之间的内在联系，而必须作非线性回归，即通过变量间的一组测试数据配一条曲线来描述它们之间的关系。在许多情况下，非线性回归的问题，可以通过对变量作适当的替换，化为线性回归的问题。 将变量作适当的替换，非线性回归问题如下列几种曲线图形，可化为线性回归问题处理。 1．双曲线 （见图2.13）  令 ， ，则得 图2.13 双曲线 2．指数曲线 （见图2.14） 令 和 ，则得 图2.14 指数曲线 3．指数曲线 （见图2.15） 令 ， ， ，则得 图2.15 指数曲线 4．幂函数 （见图2.16） 令 ， ， ，则得 图2.16 幂函数 6． 型曲线 （见图2.18） 令 、 ，则得 图2.18 S型曲线 例2.4 通过试验得到表2.4的测试数据，求 与 的回归方程。 解 将测试数据描一散点图，如图2.19所示。 从图2.19可以看出， 与 之间似乎有双曲线 关系，即 对变量作如下替换： 则得 这样，通过对变量的变换，把变量 与 的非线性回归问题化成了变量 和 的线性回归问题。 将表2.4中的数据相应地变成关于 和 对应的数据。  （例如，第一组数据 对应为 和 的数据 。利用线性回归系数 计算公式，可以求出 ，从 而得到和的回归方程： 然后，再利用 与 ， 与 的对应关系，就得到 了关于变量 和 的回归方程： 通过例2.4可见，化非线性回归为线性回归的第一步，就是要确定变量和之间关系式的类型。解决这个问题，一般有两个途径：一是根据专业知识（从理论推导或是根据以往的实践经验）来确定；二是在根据理论或经验无法推知的情况下，采用另一途径来解决，即根据实测数据，从散点图上点的分布特点，选择适当的曲线来逼近。 （二）多元非线性模型数学变换简述 在一元非线性模型数学变换中，从几何上看，实际上是将曲线化为直线问题，但是并非所有的曲线均能化为直线。例如抛物线模型 就不能通过变换化为直线。不过，如果令 ，则上式可以化为包含两个自变量的线性方程。 一般地说，若回归方程是如下的非线性方程 其中，所有的 均为自变量的已知函 数，而不包括任何未知参数。若令 则上述方程即可写成 从而，这一类问题均可化为多元线性回归问题加 以处理。 数学理论已证明，任何连续函数可用足够高阶 的多项式任意逼近。因此，对比较复杂的实际问 题，可以不问 与诸因素的确切关系如何，而直 接用多项式回归。 例2.5 实验测得两个变量 与 的关系如表 2.5所示，试求变量 对 的回归方程。 解 据此，在Matlab中调用本章§2.4给出的多元线性回归程序，即可建立回归方程。打开数据文件dd3data.ma