应用回归分析第九章
部分答案
精品好文档，推荐学习交流
第9章 非线性回归
9.1 在非线性回归线性化时，对因变量作变换应注意什么问题？
答：在对非线性回归模型线性化时，对因变量作变换时不仅要注意回归函数的形式， 还要注意误差项的形式。如：
???y?AKLe， (1) 乘性误差项，模型形式为
??y?AKL??(2) 加性误差项，模型形式为
。
对乘法误差项模型（1）可通过两边取对数转化成线性模型，（2）不能线性化。
一般总是假定非线性模型误差项的形式就是能够使回归模型线性化的形式，为了方便通常省去误差项，仅考虑回归函数的形式。
9.2为了研究生产率与废料率之间的关系，记录了如表9.14所示的数据，请画出散点图，根据散点图的趋势拟合适当的回归模型。 表9.14
生产率x（单位/周） 1000 2000 3000 3500 4000 4500 5000 废品率y（%） 5.2 6.5 6.8 8.1 10.2 10.3 13.0 解：先画出散点图如下图：
仅供学习与交流，如有侵权请联系网站删除 谢谢17
精品好文档，推荐学习交流
12.0010.00y8.006.001000.002000.003000.004000.005000.00x 从散点图大致可以判断出x和y之间呈抛物线或指数曲线，由此采用二次方程式和指数函数进行曲线回归。 （1）二次曲线 SPSS输出结果如下：
Model SummaryR.981R Square.962AdjustedR Square.942Std. Error ofthe Estimate.651The independent variable is x. ANOVARegressionResidualTotalSum ofSquares42.5711.69744.269df246Mean Square21.286.424F50.160Sig..001The independent variable is x. 仅供学习与交流，如有侵权请联系网站删除 谢谢17
精品好文档，推荐学习交流
CoefficientsUnstandardizedCoefficientsBStd. Error-.001.0014.47E-007.0005.8431.324StandardizedCoefficientsBeta-.4491.417xx ** 2(Constant)t-.8912.8124.414Sig..423.048.012 ??5.843?0.087x?4.47?10?7x2 从上表可以得到回归方程为：y由x的系数检验P值大于0.05，得到x的系数未通过显著性检验。 由x2的系数检验P值小于0.05，得到x2的系数通过了显著性检验。 （2）指数曲线
Model SummaryR.970R Square.941AdjustedR Square.929Std. Error ofthe Estimate.085The independent variable is x. ANOVARegressionResidualTotalSum ofSquares.573.036.609df156Mean Square.573.007F79.538Sig..000The independent variable is x. Coefficientsx(Constant)UnstandardizedCoefficientsBStd. Error.000.0004.003.348StandardizedCoefficientsBeta.970t8.91811.514Sig..000.000The dependent variable is ln(y). ??4.003e0.0002t 从上表可以得到回归方程为：y由参数检验P值≈0<0.05，得到回归方程的参数都非常显著。
仅供学习与交流，如有侵权请联系网站删除 谢谢17
精品好文档，推荐学习交流
从R2值，σ的估计值和模型检验统计量F值、t值及拟合图综合考虑，指数拟合效果更好一些。
9.3 已知变量x与y的样本数据如表9.15，画出散点图，试用αe模型，假设：
β/x
来拟合回归
(1) 乘性误差项，模型形式为y=αeβ/xeε
(2) 加性误差项，模型形式为y=αe/x+ε。
β
表9.15
序号 1 2 3 4 5 解： 散点图：
仅供学习与交流，如有侵权请联系网站删除 谢谢17
x y 序号 6 7 8 9 10 x y 序号 11 12 13 14 15 x y 4.20 0.086 4.06 0.090 3.80 0.100 3.60 0.120 3.40 0.130 3.20 0.150 3.00 0.170 2.80 0.190 2.60 0.220 2.40 0.240 2.20 0.350 2.00 0.440 1.80 0.620 1.60 0.940 1.40 1.620
最新应用回归分析第九章部分答案
