第8章 非线性回归PPT.ppt

§8.3 非线性模型 用SPSS软件的非线性最小二乘法功能求解。 依照Analyze→Regression→Nonlinear的顺序进入非线性回归对话框。 在回归函数框条中输入k*a**(b**t),再给出参数的初值。龚珀兹中的参数k是变量的发展上限，应该取其初值略大于最大观测值。本例最大观测值是115.52，不妨取k的初值为120。a和b都是0到1之间的数，可以取其初值为0.5。经过31步迭代后收敛，部分输出结果如下： §8.3 非线性模型 §8.2 多项式回归 §8.2 多项式回归 表8.6 §8.2 多项式回归 得最终的回归方程为： 括号中的数值是标准化回归系数。 这样，研究者就可用这个回归方程来进一步研究经理的年平均收入和风险反感对人寿保险额的效应。从标准化回归系数看到，年平均收入的二次效应对人寿保险额的影响程度最大。 §8.2 多项式回归 【例8.3】 维生素C注射液因长期放置会渐变成微黄色，中国药典规定可以用焦亚硫酸钠等作为抗氧剂。本实验考虑3个因素，分别是 EDTA（X1） 无水碳酸钠（X2） 焦亚硫酸钠（X3） 每个因素各取7个水平，选用U7（74）均匀设计表，取其中的第1、2、3列，实验安排与结果见表6.9。 §8.2 多项式回归 表6.9 实验设计与结果 §8.2 多项式回归 首先做线性回归，回归的计算程序参照例6.1，得回归方程 y = 2.63 + 0.77 X1 - 0.0524 X2 - 0.087 X3 回归模型的P值=0.1040； 决定系数（R-square）= 83.9% ； 调整的决定系数（AdjR-sq）= 67.8%。 可见线性回归的效果不够好，以下使用二次多项式回归。 §8.2 多项式回归 使用逐步回归，回归方程的具体形式是： 做变量替换转化为9个自变量的线性回归。 §8.2 多项式回归 表6.10 回归变量表 §8.2 多项式回归 这个线性回归只有7组观测数据却有10个未知参数，需要使用逐步回归逐个引入变量。 在SPSS软件逐步回归模块默认的进入变量P值=0.05，剔除变量P值=0.10的条件下，逐步回归只进行了一步就结束了，只选入了自变量x2。为了更全面地了解回归的效果，可以把进入变量的条件放宽一些。 用Option选项把进入变量P值改为0.30，剔除变量P值改为0.50，重新做逐步回归。 §8.2 多项式回归 表6.12 逐步回归的输出结果（2） §8.2 多项式回归 此时的逐步回归共进行了5步，依次选入了X2， X22= ，X3，X23=X2 X3，X13= X1 X3共5个变量，共计算出5个回归模型: 第一个回归模型最先选入的是X2，说明无水碳酸钠的含量是最重要的影响因素； 第二个回归模型再选入的是X22= ，进一步说明无水碳酸钠的含量是最重要的影响因素，并且说明y与X2的关系是非线性的 容易求出此方程在X2=48.5≈48时达极小值y=0.197，比第6号实验值y=0.147略高。 §8.2 多项式回归 再看第三个回归方程： 为使y值最小，X3应该最大，取X3=1.4，X2的取值与X3无关，容易求出此方程在X2=45.1≈45，X3=1.4时达极小值y=0.074，低于第6号实验值y=0.147。 §8.2 多项式回归 第四个回归方程是： 在回归方程含有X3的两项－1.115 X3+0.0206 X2X3中，当X2≤54时是X3的减函数，根据对第二和第三两个回归方程的分析，两个方程中X2的最优解分别是48和45，所以有理由认为X2≤54，y是X3的减函数，X3越大y越小，因此取X3=1.4。 把X3=1.4代入以上方程中，解得X2的极小值是X2=43.9≈44，所以第四个回归方程的最优组合是X2=44，X3=1.4，此时最优预测值y=0.080，与第三个回归方程的最优解基本相同。 §8.2 多项式回归 第五个方程是： 其中包含了变量X1，并且是作为与X3的交互作用形式出现，说明EDTA对实验指标本身没有影响，只是通过焦亚硫酸钠对实验产生弱的影响。仿照对第四个回归方程求最优解的方法，首先确定X1和X3是y的减函数，分别取最大值X1=0.12和X3=1.4，然后再解得X2=41.2≈41。最优预测值 y= －0.1280 ，可以视为接近0。 §8.2 多项式回归 比较第三、四、五这3个回归模型，回归方程的决定系数分别是：