生物统计学VIII可直线化的非线性回归分析.PDFVIP

本章摘要 第一节：非线性回归的直线化 第二节：倒数函数曲线 第三节：指数函数曲线 第四节：对数函数曲线 生物统计学（VIII） 第八章：可直线化的非线性回归分析 西安交通大学数学与统计学院 May, 2018 本章摘要 第一节：非线性回归的直线化 第二节：倒数函数曲线 第三节：指数函数曲线 第四节：对数函数曲线 直线关系是两个变量间最简单的一种关系，但其常在变量取 值范围较小时适用 当变量取值范围增大时，变量间就不一定存在直线关系，而 是表现出多种多样的曲线关系，根据图示法和直线化法可确 定曲线的类型 对于倒数函数，幂函数及 logistic 生长曲线等非线性方程， 均可以通过数据转换变形为线性方程，通过直线回归的方法 进行线性回归方程的推导和回归关系的显著性检验，然后在 反转为相应的曲线函数 数据转换后的线性回归模型的各种假定和计算公式，仅适用 于转换后的线性化数据，不适用于原始数据。 曲线回归方程拟合程度的好坏，可用相关指数来进行衡量。 本章摘要 第一节：非线性回归的直线化 第二节：倒数函数曲线 第三节：指数函数曲线 第四节：对数函数曲线 直线关系是两个变量间最简单的一种关系。理论上，如果缩 小研究取值范围，任意非线性关系都可以用线性关系来近 似； 但研究范围缩小在使用上不方便，一是不能对变量间关系有 一个整体的把握，二是在不同取值范围内还要换用不同的方 差，因此在许多情况下考虑非线性关系是必要的。 非线性关系广泛存在，可以用来表示两个变量间曲线关系种 类很多 有些曲线类型可以通过数据转换而变形为直线形式——直线 化（rectification）。 转换后的数据可建立直线回归方程，然后再反转为曲线回归 方程（curvilinear regression equation）——可直线化的非线性 回归分析。 非线性回归可分为已知曲线（公式）类型和未知曲线类型 （公式）。 本章摘要 第一节：非线性回归的直线化 第二节：倒数函数曲线 第三节：指数函数曲线 第四节：对数函数曲线 一、曲线类型的确定 生物学中变量间的曲线关系通常有倒数函数曲线、指数函数 曲线、对数函数曲线、幂函数曲线、S 形曲线等多种形式 找出两个变量间恰当的非线性回归方程形式是不易的，需要 专业知识；且求得的方程的统计数及由此导出的统计表，不 应和有关专业实践有矛盾；可从专业理论中得到解释，并使 这些解释严密化和数量化。 确定曲线类型是非线性回归分析的关键，通常有几种方法： 图示法：根据所获得的试验资料的自然尺度绘出散点图，然 后按照散点图的趋势绘出能够反映他们间变化规律的曲线， 与已知曲线比较，找出与之较为相似的曲线图形，该曲线即 为选定的类型 直线化法：根据散点图进行直观的比较，选出一种曲线类型， 并将原始数据进行转换，将曲线方程直线化，用转换后的数 据绘出散点图，若该图形是直线趋势，表明恰当，否则需重 新选择。 确定曲线类型，需从多方面考虑。曲线配合的好坏，通常以 所配曲线与实测点吻合程度的高低来衡量，这取决于离回归 ∑ ∑