多元非线性回归方程

在菜单中找到analyse,regression,选择linear就可以了,打开对话框,选择自变量,因变量,OK就可以了

不可能有图的两个变量可以在二维空间即平面上作出图形三个变量可以在三维空间作出图形（空间解析几何）四维及以上的就根本不可能做出来了!三维的可用MATLAB再问：比如用spss软件已经做出二元线性回归方程

哥们自己看吧,我没耐心,你有时间就琢磨一下吧!

举例说明：能量方程,E＝M*C^2对等号两侧同时去log：lgE=lgM+2*lgC此时Y（lgE）和X（lgM,lgC)之间就是线性的.

分析这是一个约束优化问题,可用fmincon求解.参考代码f=@(x)exp(8.864-267.893/abs(x(1)))+exp(11.271-1227.294/x(2))+exp(13.223

Solverstoppedprematurely.lsqcurvefitstoppedbecauseitexceededthefunctionevaluationlimit,options.MaxFu

yhat=(beta(1)*x(:,2)-x(:,3)/beta(5))./(1+beta(2)*x(:,1)+beta(3)*x(:,2)+beta(4)*x(:,3));这样就可以的,通过

excellinest函数计算结果：t=a1x1^2+a2x1+a3x2^2+a4x2+……+a8x4+a9下面9个数分别为a8,a7,a6,a5……a2,a1,a9-0.000871944-0.0

推荐你使用一个函数nlinfit,我简单给你介绍一下使用方法,以你的模型2为例：第一步：你需要建立一个function文件,名字随便,这里我们命名为"hougen",在这个文件内,你要把模型二描述清楚

模型摘要模型RR方调整的R方估计的标准差1.838a.703.5057.00366a.预测变量:(常量),综合指标Z,附加济掺量,水灰比,砂率.ANOVA(b)模型平方和df均方F显著性1回归695.

可以的.把P取对数后作为新的因变量,就成为线性的了.可以直接估计.

1.线性回归和非线性回归没有实质性的区别,都是寻找合适的参数去满足已有数据的规律.拟和出来的方程（模型）一般用来内差计算或小范围的外差.2.Y与X之间一般都有内部联系,如E=m*c^2.所以回归前可收

用参数估计法,它提供了好几种模型,你可以选择上所有的然后看你的哪个R方最大.就行了.如果感觉都不好,就用非线性回归自己写方程.不过那个药大概知道你的方程的形状,然后设好初始参数就可以.ppv课学习网站

当然了

先画一下散点图看看是否有线性关系如果有线性关系则用线性回归如果呈非线性关系,采用曲线回归中多种回归方程后选择拟合最优的一个

既然你是问的消除,意思就是说你已经发现以方差的问题了,下面谈怎么处理这个问题：先按照原始的回归方法去做,然后得到残差向量（ei）,其中ei=Yi-（Yi的估计值）,然后将回归得到权重矩阵D=diag（

x1x2x3y107037.62.88986106037.62.92914154037.63.00129104029.23.1656104022.43.23027304037.63.447751050

f=@(x)0.5742*x(1)+11.8636*x(3)-0.1693*x(4)-0.3868*x(5)-0.0674*(x(1)^2)-0.3546*(x(2).^2)-1.2180*(x(3)

是依据误差的平方和最小这个条件来求回归系数的.比如一元的,y=ax+bE=∑(y-yi)^2=∑(axi+b-yi)^2将a,b看成变量,则E的最小值需有其偏导数为0,即E'a=2∑(axi+b-yi

可运行代码见附件.再问：大神，为什么你使用clearall;closeall，为什么大多数此类代码都是x=[ones(34,1),x1,x2];，而你给我发的代码确是x=[ones(1,34);x1;