管理统计+第11讲+非线性回归曲线估计

定义：研究在非线性相关条件下，自变量对因变量的数量变化关系，称为非线性回归分析。在实际问题中，变量之间的相关关系有时不是线性的，而是非线性的，因而不能用线性回归方程来描述它们之间的相关关系，而要采用适当的非线性回归分析。非线性回归与曲线估计根据经验或者绘制散点图，选择适当的非线性回归方程；通过变量置换，把非线性回归方程化为线性回归；用线性回归分析中采用的方法来确定各回归系数的值；对各系数进行显著性检验。非线性回归问题大多数可以化为线性回归问题来求解，也就是通过对非线性回归模型进行适当的变量变换，使其化为线性模型来求解。一般步骤为：式1式212012kkyxxx01122kkyxxx式3式4式5式6式7式8曲线估计在一元回归分析中，一般首先绘制自变量和因变量间的散点图，然后通过数据在散点图中的分布特点选择所要进行回归分析的类型，是使用线性回归分析还是某种非线性的回归分析。然而，在实际问题中，用户往往不能确定究竟该选择何种函数模型更接近样本数据，这时可以采用曲线估计的方法，其步骤如下：例1：流通费率Y销售额X6.44.52.72.11.81.51.41.31.31.20.71.52.12.93.44.35.56.46.97.8首先根据实际问题本身特点，同时选择几种模型；然后SPSS自动完成模型的参数估计，并显示R2、F检验值、相伴概率值等统计量；最后，选择具有R2统计量值最大的模型作为此问题的回归模型，并作一些预测。例2：1978～2006年社会消费品零售总额年份国内生产总值（亿元）社会消费品零售总额（亿元）19783645.21558.619794062.61800.019804545.62140.019814891.62350.019825323.42570.019835962.72849.419847208.13376.419859016.04305.0198610275.24950.0198712058.65820.0198815042.87440.0198916992.38101.4199018667.88300.1199121781.59415.6199226923.510993.7199335333.912462.1199448197.916264.7199560793.720620.0199671176.624774.1199778973.027298.9199884402.329152.5199989677.131134.7200099214.634152.62001109655.237595.22002120332.748135.92003135822.852516.32004159878.359501.02005183867.967176.62006210871.076410.0时间序列的曲线估计定义：时间序列的曲线估计是分析社会和经济现象中经常用到的一种曲线估计。通常把时间设为自变量x，代表具体的经济或社会现象的变量设为因变量y，研究变量x与y之间关系的方法就是时间序列曲线估计。其具体步骤与一般的曲线估计基本类似。计算公式：SPSS中时间序列的曲线估计模型与上一节所介绍相同。例3：1978～2006年社会消费品零售总额序号年份社会消费品零售总额（亿元）119781558.6219791800.0319802140.0419812350.0519822570.0619832849.4719843376.4819854305.0919864950.01019875820.01119887440.01219898101.41319908300.11419919415.615199210993.716199314270.417199418622.918199523613.819199628360.220199731252.921199833378.122199935647.923200039105.724200143055.425200248135.926200352516.327200459501.028200567176.629200676410.0