实验三-非线性回归分析.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE 3 实验三 非线性回归分析(2学时) 一、实验目的 (1)、掌握非线性回归分析的基本步骤; (2)、熟练用MATLAB软件实现可线性化的回归分析及曲线回归分析。 二、实验学时:2学时 三、实验要求 (1)掌握用MATLAB软件实现可线性化的回归分析及曲线回归分析; (2)掌握非线性回归分析的基本步骤。 四、实验原理 1、常见的可线性化模型 (1)双对数模型 (2).半对数模型 ①对数-线性模型: ②线性-对数模型: (3). 倒数模型 ① ② (4) 逻辑(logistic)成长曲线模型 (5)龚伯斯(Gompertz)成长曲线模型 (6) 多项式模型 ①一元二次多项式模型: ②一元三次多项式模型: ③二元二次多项式模型: 2、不可线性化模型(即曲线回归模型): 其中f为非线性的,并且模型不可线性化。 一般使用非线性最小二乘估计方法,并用Newton迭代求解其中的正规方程组。 五、实验举例 例1、对GDP(国内生产总值)的拟合。选取GDP指标为因变量,单位为亿元,拟合GDP关于时间t的趋势曲线。以1981年为基准年,取值为t=1,1998年t=18,1991-1998年的数据如下: 年份t GDP 年份t GDP 1 4862.4 10 18547.9 2 5294.7 11 21617.8 3 5934.5 12 26638.1 4 7171 13 34634.4 5 8964.4 14 46759.4 6 10202.2 15 58478.1 7 11962.5 16 67884.6 8 14928.3 17 74462.6 9 16909.2 18 79395.7 解:第一步:一元线性回归模型 (一)程序如下: 建立test3_1_1.m文件如下(具体注释见m文件): %%%%%%%% 作时间t 与GDP(y)的回归分析 [data,head]=xlsread(test3_1.xlsx); % 导入数据 t=data(:,1); % 提取年份t y=data(:,2); % 国内生产总值 plot(t,y,k.); % 画y与t的散点图 xlabel(年序号(t)) ylabel(GDP(y)) % 调用robustfit函数作稳健回归,返回系数的估计值b和相关统计量stats [b,stats]=robustfit(t,y) stats.p %%%%%% 绘制残差与权重的散点图 %%%%%%%%%%%%%%% figure; plot(stats.resid,stats.w,o) % 绘制残差与权重的散点图 xlabel(残差) ylabel(权重) %%%%%%% 画robustfit函数对应的回归直线 %%%%%%%%%%%%% tdata=[ones(size(t,1),1),t]; % 在原始数据t的左边加一列1 yhat=tdata*b; % 求robustfit 函数对应的y的估计值 figure; plot(t,y,ko) % 画原始数据散点 hold on plot(t,yhat,r--,linewidth,2) % 画robustfit函数对应的回归直线,红色虚线 xlabel(年序号(t)) ylabel(GDP(y)) (二)实验结果与分析: (1)散点图 图3.1 年序号t与GDP(y)的散点图 从散点图可以看出t与y的线性趋势并不明显,但可以考虑进行一元线性回归。 (2)调用robustfit函数作稳健回归,返回系数的估计值b和相关统计量stats的P值 ‘系数的估计值’ P值 1.0e+04 * -1.3410 0.0227 0.4414 0.0000 稳健回归得出的回归方程为 y^=-13410+4414*t 。常数项和回归系数的t检验的p值只有一个小于显著性水平0.0001, (3)下面作出残差向量和权重向量的散点

文档评论(0)

186****6410 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档