- 1、本文档共58页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
回归分析
——方法、数据与R的应用
刘超
statchao@buaa.edu.cn
北京航空航天大学数学科学学院
2020年1月20 日
课件仅供教学使用
刘 超 ,回归分析——方法、
数据与R的应用,高等教育
出版社,2019年10月
第9章 非线性回归
上课之前的话
线性模型的关键是线性关系,反映在系数而不是自变量上
除了线性关系,变量间也可能是非线性或其他复杂关系
与线性回归相比,非线性回归灵活度更高
• 对一些复杂数据的拟合度可能更好
• 模型结果比线性回归的结果难解释
对非线性回归模型
• 可以变换变量,实现线性化
• 增加二次项或交叉乘积项,刻画变量之间某些预期特征
• 也可以直接使用非线性最小二乘法估计参数
目的与要求
(1)了解使用变量变换将非线性模型线性化的必要性
(2)掌握对数变换、Box-Cox变换等因变量的变换方法
(3)掌握多项式回归、分段回归等自变量变换的参数建
模方法
(4)掌握内在的非线性回归的建模方法
(5)掌握变量变换的各种方法在R软件中的实现
9.1 因变量的变换
9.1 因变量的变换
假设有一个对数因变量的简单回归模型:
logy=β +βx +ε
0 1 1
在因变量的原始尺度里,上述模型变为:
y= exp(β +βx )·exp(ε)
0 1 1
• 此时误差以乘法方式而不是通常的加法方式进入模型
一般来说,对对数因变量模型使用标准回归方法
时,要求误差在原始尺度上以乘法方式进行运算
当ε较小时exp(ε)≈1+ε,代入原始尺度的模型,
得到一个具有加法误差但异方差的模型
9.1 因变量的变换
若误差以加法方式进入模型时,模型为:
y= exp(β +βx )+ε
0 1 1
• 不能直接进行线性化,而可能需要应用非线性回归方法
• 也可以使用exp(ε)≈1+ε近似来获得加权线性模型
然而,误差是以加法方式、乘法方式还是其他方
式进入模型是未知的
• 最好的方法是尝试不同的因变量变换来获得模型的结构,
然后再关心误差项
• 可以检查残差是否满足线性回归所需的条件。若不满足,可用前
几章所讨论的几种方法去解决
9.1 因变量的变换
可以对因变量作变换,但可能还需要返回到原始尺
度中去预测
• 例如,在上面的对数模型中,预测值是exp(ො0ሻ 。
• 如果对数尺度下的预测置信区间为[l,u] ,则原始尺度下的
预测置信区间为[expl,expu] 。尽管区间不对称,但可使用
回归系数需要根据变换后的尺度来解释
• 没有直接的方法将它们变换为原始尺度中可以解释的值
• 不能直接比较不同因变量变换的模型的回归系数
如果不想变换因变量,就可以使用如第10章介绍的
广义线性模型这样的其他类型模型
9.1 因变量的变换
对因变量对数变换时,下面模型的系数有特殊解释:
መ መ መ
logො = + +⋯+
0 1 1
文档评论(0)