R语言用nls做非线性回归以及函数模型的参数估计

最新推荐文章于 2024-07-02 10:55:05 发布

weixin_30710457

最新推荐文章于 2024-07-02 10:55:05 发布

阅读量8.8k

点赞数 8

文章标签： r语言数据结构与算法

原文链接：http://www.cnblogs.com/fuxueming/p/6854512.html

版权

本文介绍了如何使用R语言的nls函数进行非线性回归，以Logistic增长函数为例，阐述模型拟合、判断拟合效果、残差诊断和参数估计的过程。通过对比最小二乘估计，展示了nls函数在非线性模型中的应用。

摘要由CSDN通过智能技术生成

非线性回归是在对变量的非线性关系有一定认识前提下，对非线性函数的参数进行最优化的过程，最优化后的参数会使得模型的RSS（残差平方和）达到最小。在R语言中最为常用的非线性回归建模函数是nls，下面以car包中的USPop数据集为例来讲解其用法。数据中population表示人口数，year表示年份。如果将二者绘制散点图可以发现它们之间的非线性关系。在建立非线性回归模型时需要事先确定两件事，一个是非线性函数形式，另一个是参数初始值。

一、模型拟合

对于人口模型可以采用Logistic增长函数形式，它考虑了初期的指数增长以及总资源的限制。其函数形式如下。

首先载入car包以便读取数据，然后使用nls函数进行建模，其中theta1、theta2、theta3表示三个待估计参数，start设置了参数初始值，设定trace为真以显示迭代过程。nls函数默认采用Gauss-Newton方法寻找极值，迭代过程中第一列为RSS值，后面三列是各参数估计值。然后用summary返回回归结果。

library(car)
pop.mod1 <- nls(population ~ theta1/(1+exp(-(theta2+theta3*year))),start=list(theta1 = 400, theta2 = -49, theta3 = 0.025), data=USPop, trace=T)
summary(pop.mod)

　　　　还有一种更为简便的方法就是采用内置自启动模型(self-starting Models)，此时我们只需要指定函数形式，而不需要指定参数初始值。本例的logistic函数所对应的selfstart