一元非线性回归分析

y
x
0.00082917 0.00896663x
第八章 方差分析与回归分析
第22页
三种方法的拟合效果比较：
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
R2 =0.97292374957556 R2 =0.87731500489620
第八章 方差分析与回归分析
第9页
format long
x=[2 3 4 5 7 8 10 11 14 15 16 18 19];
y=[106.42 108.20 109.58 109.5 110 109.93 110.49 110.59 110.60 110.9 110.76 111 111.20];
y 106.3147 3.9466ln x
y 106.3013 1.1947 x y 100 11.7506e1.1256/ x
第八章 方差分析与回归分析
第16页
三种方法的拟合效果比较：
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
plot(x,y,‘k+’);%数据的散点图
x1=1./x;
y1=1./y; plot(x1,y1,‘k+’); %变换后数据的散点图
x2=[ones(13,1) x1'];
[b,bint,rint,stats]=regress(y1',x2);
z=b(1)+b(2)*x1;
故其决定系数及剩余标准差分别为：
R2 1 0.5743 0.9729, s 0.5743 0.2285
21.2105
13 2
其它三个方程的决定系数及剩余标准差可同
样计算，我们将它们列在表8.5.5中。
第八章 方差分析与回归分析
第21页
表8.5.5 四种曲线回归的决定系数及剩余标准差
散点图 回归函数
9.3
9.25
9.2
9.15
9.1
9.05
9
8.95 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
第八章 方差分析与回归分析
第13页
R2=1-sum((y-yc).^2)/lyy;%模型的拟 合优度系数 plot(x,y,‘k+’,x,yc,‘r’)%数据的散点图 和回归曲线图 legend('散点图','回归函数')
i 1
言，决定系数和剩余标准差都取决于残差平
方和
n
(yi

yi )2
，从而，两种选择准则是一致
i 1
的，只是从两个不同侧面作出评价。
第八章 方差分析与回归分析
第20页
表8.5.4给出第一个曲线回归方程的残差平方
和的计算过程，
由于n=13，
13
(yi y)2
0.5743
，
i 1
vi=a+ bui + i
于是可用一元线性回归的方法估计出a,b。
第八章 方差分析与回归分析
第8页
表8.5.3 参数估计计算表
ui 2.05088194
u 0.15776015
ui2 0.53721798
nu 2 0.32354744
n 13
uivi 0.01883495
plot(x,y,‘k+’);%数据的散点图
第八章 方差分析与回归分析
第10页
112 散点图
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
第八章 方差分析与回归分析
第11页
x1=1./x;
y1=1./y; plot(x1,y1,‘k+’); %变换后数据的散点图
x2=[ones(13,1) x1'];
第八章 方差分析与回归分析
第1页
2 一元非线性回归
例 8.5.1 炼钢厂出钢水时用的钢包，在使用过 程中由于钢水及炉渣对耐火材料的浸蚀，其 容积不断增大。现在钢包的容积用盛满钢水 时的重量y (kg)表示，相应的试验次数用x表示。 数据见表8.5.1，要找出y 与x的定量关系表达 式。
第八章 方差分析与回归分析
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
R2 = 0.78514164407253
第八章 方差分析与回归分析
第一种方法的程序
第23页
format long
x=[2 3 4 5 7 8 10 11 14 15 16 18 19];
y=[106.42 108.20 109.58 109.5 110 109.93 110.49 110.59 110.60 110.9 110.76 111 111.20];
第八章 方差分析与回归分析
b = 0.00896662968057 0.00082917436336
R2 =0.97292374957556
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
第14页
第八章 方差分析与回归分析
第15页
用类似的方法可以得出其它三个曲线回归方程， 它们分别是：
[b,bint,rint,stats]=regress(y1',x2);
z=b(1)+b(2)*x1;
yc=1./z;
plot(x1,y1,‘k+’,x1,z,‘r’)%变换后数据的散 点图和回归直线图
第八章 方差分析与回归分析
第12页
变换后数据的散点图及回归直线图
-3
x 10 9.45
9.4 9.35
R2 1 ( yi yi )2 ( yi y)2
(8.5.5)
R2越大，说明残差越小，回归曲线拟合越好， R2从总体上给出一个拟合好坏程度的度量。
第八章 方差分析与回归分析
第18页
（2）剩余标准差s：类似于一元线性回归中标准差
的估计公式，此剩余标准差可用残差平方和来
获得，即
s
如何估计所选方程中的参数？
如何评价所选不同方程的优劣？
第八章 方差分析与回归分析
第7页
8.5.2 参数估计
对上述非线性函数，参数估计最常用的方法是 “线性化”方法。
以1/y=a+b/x为例，为了能采用一元线性回归分 析方法，我们作如下变换u=1/x,v=1/y 则曲线函数就化为如下的直线v=bu
这是理论回归函数。对数据而言，回归方程为
第八章 方差分析与回归分析
第6页
本例中，散点图呈现呈现一个明显的向上且上凸 的趋势，可能选择的函数关系有很多，比如，参 照图8.5.2，我们可以给出如下四个曲线函数：
1) 1/y=a+b/x
2) y=a+blnx
3) y a b x
4) y 100 a ex/b (b 0) 在初步选出可能的函数关系(即方程)后，我们必 须解决两个问题：
yc=1./z; plot(x1,y1,‘k+’,x1,z,‘r’)%变换后数据的散点图和回归直线图
n=length(x);
lyy=sum(y.^2)-n*(mean(y))^2; R2=1-sum((y-yc).^2)/lyy;%模型的拟合优度系数 plot(x,y,'k+',x,yc,'r')%变换后数据的散点图和回归直线图 legend('散点图','回归函数')
nuv 0.01865778
vi 0.11826672
v 0.00909744
luu 0.21367054
luv 0.00017717
bˆ luv/luu 0.00082917
aˆ v ubˆ 0.00896663
y
x
0.00082917 0.00896663x
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
112 散点图 回归函数
111
110
109
108
107
106
2
4
6
8
10
12
14
16
18
20
第八章 方差分析与回归分析
第17页
8.5.3 曲线回归方程的比较
我们上面得到了四个曲线回归方程，通常可采 用如下二个指标进行选择。 （1）决定系数R2：类似于一元线性回归方程中 相关系数，决定系数定义为：