概率论与数理统计教程(八)-方差分析与回归分析05：一元非线性回归

§ 8.5 一元非线性回归
有时, 回归函数并非是自变量的线性函数, 若通过变换可以将之化为线性函数,
从而可用一元线性回归方法对其分析,
这是处理非线性回归问题的一种常用方法.下面以一个例子说明上述非线性回归的分析步骤.
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侵蚀, 其容积不断增大.
钢包的容积用盛满钢水时的质量 $y$ (单位: $\mathrm{kg}$ ) 表示, 相应的使
用次数用 $x$ 表示. 数据见表 8.5.1, 要找出 $y$ 与 $x$ 的定量关系表达式.
表 8.5.1 钢包的质量 $y$ 与使用次数 $x$ 数据
序号 $x$ $y$ 序号 $x$ $y$

---

1      2    106.42    8     11    110.59
2      3    108.20    9     14    110.60
3      4    109.58    10    15    110.90
4      5    109.50    11    16    110.76
5      7    110.00    12    18    111.00
6      8    109.93    13    19    111.20
7     10    110.49               

下面我们分三步进行.
8.5.1 确定可能的函数形式
为对数据进行分析, 首先描出数据的散点图,
判断两个变量之间可能的函数关系,图 8.5.1
是本例的散点图.{width=“300px”}
图 8.5.1 钢包质量与使用次数散点图
观察这 13 个点形成的散点图, 我们可以看到它们并不接近一条直线,
用曲线拟合这些点应该是更恰当的. 这里就涉及如何选择曲线函数形式的问题,
首先, 如果可由专业知识确定回归函数形式, 则应尽可能利用专业知识.
若不能由专业知识加以确定函数形式,
则可将散点图与一些常见的函数关系的图形进行比较, 选择几个可能的函数形式,
然后使用统计方法在这些函数形式之间进行比较, 最后确定合适的曲线回归方程.
为此,必须了解常见的曲线函数的图形, 见图 8.5.2.
本例中, 散点图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) $\frac{1}{y}=a+\frac{b}{x}$,
(2) $y=a+b\ln x$,
(3) $y=a+b\sqrt{x}$,
(4) $y-100=a{\mathrm{e}}^{-b/x}(b>0)$.
图 8.5.2 部分常见的曲线函数的图形
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:
- 如何估计所选方程中的参数? 这在 8.5.2 中讨论.
- 如何评价所选不同方程的优劣? 这在 8.5.3 中介绍.
8.5.2 参数估计
对形如 (8.5.1) 式至 (8.5.4) 式的非线性函数,参数估计最常用的方法是
"线性化"方法,即通过某种变换,将方程化为一元线性方程的形式.
以 (8.5.1) 式为例, 为了能采用一元线性回归分析方法,我们作如下变换:
$$u=\frac{1}{x},v=\frac{1}{y},$$
则(8.5.1) 的曲线函数就化为如下的直线:
$$v=a+bu,$$
这是理论回归函数. 对数据而言, 回归方程为
$$v_i=a+b{u}_i+{\epsilon }_i,$$
于是可用一元线性回归的方法估计出 $a,b$. 图 8.5.3
给出变换后的数据的散点图.
从图 8.5.3 上看出可以认为所有的点近似在一条直线上下波动, 因此,
建立一元线性回归方程是可行的. 整个计算过程及估计列于表 8.5.2
和表8.5.3中.{width=“312px”}
图 8.5.3 变换后数据的散点图
表 8.5.2 钢包数据的变换值
$x$ $y$ $u=1/x$ $v=1/y$ $u^2$ $uv$

---

2    106.42   0.500000    0.009397    0.250000   0.004698
3    108.20   0.333333    0.009242    0.111111   0.003081
4    109.58   0.250000    0.009126    0.062500   0.002281

续表
$x$ $y$ $u=1/x$ $v=1/y$ $u^2$