基于lingo的线性回归和非线性回归

线性回归和非线性回归的lingo编程实现

目录

1.介绍

1.1 使用工具

1.2 lingo求解回归方程的特点

2.回归方程的求解

2.1线性回归

2.2非线性回归

3.模型推广

---

1.介绍

本文通过建立目标规划的方法求解回归方程。lingo通过目标规划求解线性和非线性回归方程简单有效，容易理解，编程简单。

1.1 使用工具

lingo18

1.2 lingo求解回归方程的特点

        lingo作为一款求解线性和非线性方程方程组功能非常强大的软件，是求解优化模型的最佳选择。很多情况一个问题不止有一个解法。我们在这篇文章中介绍回归方程的另外一种解法。我们求解回归方程通常使用最小二乘法，最小二乘法可以通过以下三种方法求得回归方程参数

1、多元函数求最值（也有的说法把这当成最小二乘法）
2、利用线代的几何意义
3、梯度下降法

求得回归方程中未知参数后得到误差最小的回归方程。

        但是这些方法的步骤较为繁琐，我们考虑到是否可以通过执果索因的方法求解回归方程参数，具体来说就是通过求解误差最小得到回归方程参数。正常来说，这种违背由因得果的方法基本不可能实现，但是我们考虑将其转化为目标规划，以误差最小为目标函数利用lingo求解，得到误差最小时回归系数的最优解，这一方法省去了大量繁琐的步骤。以下将举线性和非线性回归通过lingo目标规划求解的两个例子。

2.回归方程的求解

以下的为原数据，为的平均值，为回归的值。为点的数量。为回归方程参数。

2.1线性回归

        对于一般线性回归