非线性回归
中响应的非线性回归估计系数的向量β
= nlinfit (<一个href="#btk7ign-X" class="intrnllnk">X
,<一个href="#btk7ign-Y" class="intrnllnk">Y
,<一个href="#btk7ign-modelfun" class="intrnllnk">模型乐趣
,<一个href="#btk7ign-beta0" class="intrnllnk">beta0
)Y
在预测中X
使用指定的模型模型乐趣
.使用迭代最小二乘法估计系数,初始值由beta0
.
利用算法对结构中的控制参数进行非线性回归拟合β
= nlinfit (<一个href="#btk7ign-X" class="intrnllnk">X
,<一个href="#btk7ign-Y" class="intrnllnk">Y
,<一个href="#btk7ign-modelfun" class="intrnllnk">模型乐趣
,<一个href="#btk7ign-beta0" class="intrnllnk">beta0
,<一个href="#btk7ign-options" class="intrnllnk">选择权
)选择权
.可以返回前面语法中的任何输出参数。
使用由一个或多个名称-值对参数指定的其他选项。例如,可以指定观察权重或非恒定错误模型。可以使用前面语法中的任何输入参数。β
= nlinfit (___,<一个href="#namevaluepairarguments" class="intrnllnk">名称,值
)
[<一个href="#btk7ign-beta" class="intrnllnk">
另外返回残差,β
,<一个href="#btk7ign-R" class="intrnllnk">R
,<一个href="#btk7ign-J" class="intrnllnk">J
,<一个href="#btk7ign-CovB" class="intrnllnk">CovB
,<一个href="#btk7ign-MSE" class="intrnllnk">微卫星
,<一个href="#btk7ign-ErrorModelInfo" class="intrnllnk">ErrorModelInfo
]=nlinfit(___)R
的雅可比矩阵模型乐趣
,J
,估计系数的方差-协方差矩阵,CovB
,估计误差项的方差,微卫星
,以及包含错误模型详细信息的结构,ErrorModelInfo
.
要生成预测的错误估计,请使用可选的输出参数R
,J
,CovB
或微卫星
作为输入,<一个href="//www.tianjin-qmedu.com/help/stats/nlpredci.html">nlpredci
.
为了对估计系数产生误差估计,β
,使用可选的输出参数R
,J
,CovB
或微卫星
作为输入,<一个href="//www.tianjin-qmedu.com/help/stats/nlparci.html">nlparci
.
如果使用“稳健拟合”选项,<一个href="#d123e591310" class="intrnllnk">RobustWgtFun
,你必须使用CovB
-而且可能需要微卫星
——输入nlpredci
或nlparci
确保置信区间适当地考虑了鲁棒拟合。
nlinfit
对待南
价值观<一个href="#btk7ign-Y" class="intrnllnk">Y
或modelfun (beta0 X)
表示缺失数据,忽略相应的观测值。
nonrobust估计,nlinfit
使用Levenberg-Marquardt非线性最小二乘算法<一个href="//www.tianjin-qmedu.com/help/stats/nlinfit.html" class="intrnllnk">[1]一个>.
稳健估计,nlinfit
采用<一个href="//www.tianjin-qmedu.com/help/stats/robust-regression-reduce-outlier-effects.html" class="a">迭代加权最小二乘法一个>(<一个href="//www.tianjin-qmedu.com/help/stats/nlinfit.html" class="intrnllnk">[2]一个>,<一个href="//www.tianjin-qmedu.com/help/stats/nlinfit.html" class="intrnllnk">[3]一个>).在每次迭代时,根据前一次迭代的每个观测值的残差重新计算鲁棒权值。这些权重降低了离群值,从而降低了离群值对拟合的影响。迭代继续,直到权值收敛。
当您为观测权重指定函数柄时,权重取决于拟合模型。在这种情况下,nlinfit
采用迭代广义最小二乘算法拟合非线性回归模型。
G. A. F. Seber和C. J. Wild。非线性回归.霍博肯:Wiley-Interscience, 2003。
杜穆谢尔,W. H.和F. L. O'Brien。将一个健壮的选项集成到多元回归计算环境中。计算机科学与统计:第21届界面学术研讨会论文集弗吉尼亚州亚历山大:美国统计协会,1989年。
荷兰,P. W.和R. E.韦尔什。“使用迭代加权最小二乘的稳健回归”统计学通讯:理论与方法,A6, 1977,第813-827页。