教学文库网 - 权威文档分享云平台
您的当前位置:首页 > 文库大全 > 高等教育 >

非线性回归模型的线性化

来源:网络收集 时间:2026-05-04
导读: 第4章 非线性回归模型的线性化(1)多项式函数模型 (2)双曲线函数模型 (3)对数函数模型 3 对数函数模型 (4)生长曲线 (logistic) 模型 (5)指数函数模型 (6)幂函数模型第4章 非线性回归模型的线性化有时候变量之间的关系是非线性的。 有时候变量之间

第4章 非线性回归模型的线性化(1)多项式函数模型 (2)双曲线函数模型 (3)对数函数模型 3 对数函数模型 (4)生长曲线 (logistic) 模型 (5)指数函数模型 (6)幂函数模型 第4章 非线性回归模型的线性化有时候变量之间的关系是非线性的。 有时候变量之间的关系是非线性的。虽然其形式是非线性 但可以通过适当的变换,转化为线性模型, 的,但可以通过适当的变换,转化为线性模型,然后利用线性 回归模型的估计与检验方法进行处理。 回归模型的估计与检验方法进行处理。称此类模型为可线性化 的非线性模型。 的非线性模型。 以下非线性回归模型是无法用最小二乘法估计参数的。 以下非线性回归模型是无法用最小二乘法估计参数的。可 采用非线性方法进行估计。估计过程非常复杂和困难, 采用非线性方法进行估计。估计过程非常复杂和困难,计算机 的出现大大方便了非线性回归模型的估计。 的出现大大方便了非线性回归模型的估计。专用软件使这种计 算变得非常容易。 算变得非常容易。yt = α 0 + α1 x t β1 + ut yt = α 0 e α1 xt + ut下面介绍几种典型的可以做线性化处理的非线性模型。 下面介绍几种典型的可以做线性化处理的非线性模型。 (1)多项式函数模型(1) 多项式函数模型一种多项式方程的表达形式是 yt = b0 +b1 xt + b2 xt2 + b3 xt3 + ut 令xt 1 = xt,xt 2 = xt2,xt 3 = xt3,上式变为 yt = b0 +b1 xt 1 + b2 xt 2 + b3 xt 3 + ut 这是一个三元线性回归模型。 这是一个三元线性回归模型。如经济学中的 总成本与产品产量曲线与左图相似。 总成本与产品产量曲线与左图相似。( b1>0, b2<0, b3>0)(b1<0, b2>0, b3<0) 总成本函数的估计TC = β 0 + β 1Q + β 2 Q 2 + β 3 Q 3 + uCQ Q = 0, TC > 0 ∴β0 > 0TCMC = β 1 + 2 β 2 Q + 3β 3 Q 2Q Q = 0, MC > 0 ∴ β1 > 0Q 二次函数有极小值的条件:二阶导大于0 ∴β3 > 0QQ当Q = ? β 2 / (3β 3 ),MC取最小值 ∴β2 < 0 (1)多项式函数模型(1) 多项式函数模型例4.1:总成本与产品产量的关系 :yt = b0 +b1 xt + b2 xt2 + b3 xt3 + ut (1)多项式函数模型(1) 多项式函数模型例4.1:总成本与产品产量的关系 :? C t = 2434.7+ 85.7 xt - 0.028 xt2 + 0.00004 xt3(1.8) (12.0)(-2.8)(9.6)R2 = 0.9998, N = 15 案例1 案例1:厦门市贷款总额与GDP的关系分析(1990~2003) ) 案例1 案例1:厦门市贷款总额与GDP的关系分析(1990~2003) )从散点图看,用多项式方程拟合比较合理。 从散点图看,用多项式方程拟合比较合理。 Loant = β0 +β1 GDPt + β2 GDPt 2 + β3 xt3 + ut∧loan t = -24.5932 +1.6354 GDPt - 0.0026GDPt 2 + 0.0000027 GDPt 3(-2.0) (11.3) (-6.3) (7.9)R2=0.9986, DW=2.6 (1)多项式方程模型(2) 多项式方

程模型( b1 < 0, b2>0) 另一种多项式方程的表达形式是 yt = b0 + b1 xt + b2 xt2 + ut 令xt 1 = xt,x t 2 = xt 2,上式线性化为, 上式线性化为, yt = b0 + b1 xt1 + b2 xt2 + ut(b1>0, b2 <0)如经济学中的边际成本曲线、平均成本曲线与左图相似。 如经济学中的边际成本曲线、平均成本曲线与左图相似。 (1)多项式方程模型(2) 多项式方程模型例4.1:平均成本与产品产量的关系 :? Ct = 105.1- 0.06 xt + 0.00006 xt2 xt(42.5) (-8.7)(12.8)R2 = 0.97, N = 15 (2) 双曲线函数模型yt = a + b/xt + ut1/yt = a + b/xt + ut1/yt = a + b/xt + ut 或 yt = 1/ (a + b/xt + ut)令yt* = 1/yt, xt* = 1/xt,得 yt* = a + b xt* + ut 已变换为线性回归模型。双曲线函数还有另一种表达方式, 已变换为线性回归模型。双曲线函数还有另一种表达方式, 另一种表达方式yt = a + b/xt + ut上式已变换成线性回归模型。 令xt* = 1/xt,得 yt = a + b xt* + ut 上式已变换成线性回归模型。 案例2 炼钢厂钢包容积Y与钢包使用次数X 案例2:炼钢厂钢包容积Y与钢包使用次数X的关系建立线性模型并估计 y = 7.85 + 0.27 x (19.6) (5.7) R2 = 0.71, N = 15建立对数模型并估计 y = 6.16 + 1.83 Lnx (16.0) (10.1) R2 = 0.89, N = 15 案例2 炼钢厂钢包容积Y与钢包使用次数X 案例2:炼钢厂钢包容积Y与钢包使用次数X的关系双倒数线性化双倒数模型建立倒数模型并用1~ 组数据估计 组数据估计, 建立倒数模型并用 ~14组数据估计, 1/y = 0.081 + 0.1339 (1/x) (42.1) (14.1) R2 = 0.94, N = 15倒数模型的估计结果最好。 倒数模型的估计结果最好。 (3) 对数函数模型574(b > 0)6 5(b < 0)342312 1 50 100 150 200 250 300 350 4000 50 100 150 200 250 300 350 400yt = a + b Lnxt + ut , (b > 0)yt = a + b Lnxt + ut , (b < 0)令xt* = Lnxt, 则 yt = a + b xt* + ut 变量y 已变换成为线性关系。 变量 t 和xt* 已变换成为线性关系。 案例3: 个省市自治区 个省市自治区1985~2005年城镇居民 案例 :28个省市自治区 ~ 年城镇居民 人均食品支出( 人均食品支出(food)与人均收入(income)的关系 )与人均收入( )5000 FOOD 40008.0 9.0 LOG(FOOD) 8.530007.5 7.0 6.520001000 INCOME 0 0 4000 8000 12000 16000 200006.0 LOG(LOG(INCOME)) 5.5 1.80 1.85 1.90 1.95 2.00 2.05 2.10 2.15 2.20 2.25 2.3028个省市自治区 个省市自治区1985~2005年城镇居民人均食品支出(food)与人均收入(income)的关系 年城镇居民人均食品支出( 个省市自治区 ~ 年城镇居民人均食品支出 )与人均收入( ) (4) 生长曲线 (logistic) 模型yt =k 1 + e f ( t ) + ut=k 1 + e a ?bt +ut美国人口统计学家Pearl和Reed广泛研究了有机体的生长,得到了上述数学 美国人口统计学家 和 广泛研究了有机体的生长, 广泛研

究了有机体的生长 模型。生长模型(或逻辑斯谛曲线,Pearl-Reed曲线)常用于描述有机体生 模型。生长模型(或逻辑斯谛曲线, 曲线) 曲线 长发育过程。其中k和0分别为 t的上限和下限。 长发育过程。其中 和 分别为y 的上限和下限。 分别为Limyt = k ,t →∞Limyt = 0t →?∞a, b 为待估参数。曲线有拐点,曲线的上下两部分对称于拐点。 为待估参数。曲线有拐点,曲线的上下两部分对称于拐点。 (4) 生长曲线 (logistic) 模型为能运用最小二乘法估计参数 a, b,必须事先估计出生曲线长上极限值 k。 ,必须事先估计出生曲线长上极限值 。 线性化过程如下。当上极限值 给定时,作如下变换, 线性化过程如下。当上极限值 k 给定时,作如下变换,k = 1 + e a ?bt +ut yt移项, 移项,? k ? k ?1 = e a ?bt +ut ,取自然对数, Ln? 取自然对数, ? ?1? = a ? bt + u t ? yt ? yt ? ? k ? ? 1? ,则 ? ? yt ?令 y t * = Ln? ?yt* = a – b t + ut此时可用最小二乘法估计 a 和 b。 。 (4) 生长曲线 (logistic) 模型案例4:非典数据( 案例 :非典数据(2003-5-1~2003-5-28) ~ ) 案例5: 生长曲线模型) 案例 :钉螺存活率曲线(生长曲线模型)把一批钉螺埋入土中,以后每隔一个月取出部分钉螺,检测存活个数, 把一批钉螺埋入土中,以后每隔一个月取出部分钉螺,检测存活个数, 计算存活率。数据见表。 计算存活率。数据见表。yt,存活率 (%) 100.0 93.0 92.3 88.0 84. 82.0 48.4 41.0 15.0 5.2 3.5 1.3 0.5 t,土埋月数1000 1 2 3 4 5 6 7 8 9 10 11 12Y 80604020 T 0 0 2 4 6 8 10 12设定y 的上渐近极限值k 设定 t的上渐近极限值 =101(因为已有观测值 t (因为已有观测值y =100,所以令 =101更好些。),得估计结果如 更好些 …… 此处隐藏:5494字,全部文档内容请下载后查看。喜欢就下载吧 ……

非线性回归模型的线性化.doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印
本文链接:https://www.jiaowen.net/wenku/1704969.html(转载请注明文章来源)
Copyright © 2020-2025 教文网 版权所有
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ:78024566 邮箱:78024566@qq.com
苏ICP备19068818号-2
Top
× 游客快捷下载通道(下载后可以自由复制和排版)
VIP包月下载
特价:29 元/月 原价:99元
低至 0.3 元/份 每月下载150
全站内容免费自由复制
VIP包月下载
特价:29 元/月 原价:99元
低至 0.3 元/份 每月下载150
全站内容免费自由复制
注:下载文档有可能出现无法下载或内容有问题,请联系客服协助您处理。
× 常见问题(客服时间:周一到周五 9:30-18:00)