非线性回归
返回对响应的非线性回归的估计系数的向量bet
= nlinfit (<一种href="#btk7ign-X" class="intrnllnk">X
那<一种href="#btk7ign-Y" class="intrnllnk">y
那<一种href="#btk7ign-modelfun" class="intrnllnk">Modelfun.
那<一种href="#btk7ign-beta0" class="intrnllnk">beta0
)y
关于预测因子X
所指定的模型Modelfun.
.使用迭代最小二乘估计估计系数,具有指定的初始值beta0
.
利用该算法对结构中的控制参数进行非线性回归拟合bet
= nlinfit (<一种href="#btk7ign-X" class="intrnllnk">X
那<一种href="#btk7ign-Y" class="intrnllnk">y
那<一种href="#btk7ign-modelfun" class="intrnllnk">Modelfun.
那<一种href="#btk7ign-beta0" class="intrnllnk">beta0
那<一种href="#btk7ign-options" class="intrnllnk">选项
)选项
.可以返回前面语法中的任何输出参数。
使用一个或多个名称值对参数指定的其他选项。例如,您可以指定观察权重或非合作错误模型。您可以使用先前语法中的任何输入参数。
bet
= nlinfit (___那<一种href="#namevaluepairarguments" class="intrnllnk">名称,价值
)
[<一种href="#btk7ign-beta" class="intrnllnk">
另外返回余数,bet
那<一种href="#btk7ign-R" class="intrnllnk">R.
那<一种href="#btk7ign-J" class="intrnllnk">j
那<一种href="#btk7ign-CovB" class="intrnllnk">Covb.
那<一种href="#btk7ign-MSE" class="intrnllnk">MSE
那<一种href="#btk7ign-ErrorModelInfo" class="intrnllnk">ErrorModelInfo
] = nlinfit(___)R.
,雅各的雅各的Modelfun.
那j
,为估计系数的估计方差-协方差矩阵,Covb.
,估计误差项的方差,MSE
以及包含有关错误模型的详细信息的结构,ErrorModelInfo
.
要在预测上生成错误估计,请使用可选的输出参数R.
那j
那Covb.
, 或者MSE
作为输入,<一种href="//www.tatmou.com/help/stats/nlpredci.html">nlpredci.
.
在估计的系数上产生错误估计,bet
,使用可选的输出参数R.
那j
那Covb.
, 或者MSE
作为输入,<一种href="//www.tatmou.com/help/stats/nlparci.html">nlparci.
.
如果使用强大的拟合选项,<一种href="#d123e591310" class="intrnllnk">RobustWgtFun
,你必须使用Covb.
- 可能需要MSE
-as输入nlpredci.
或nlparci.
为保证置信区间对稳健拟合的合理考虑。
nlinfit.
对待南
价值<一种href="#btk7ign-Y" class="intrnllnk">y
或modelfun(beta0,x)
由于缺少数据,而忽略了相应的观测结果。
对于非批准,nlinfit.
采用Levenberg-Marquardt非线性最小二乘算法<一种href="//www.tatmou.com/help/stats/nlinfit.html" class="intrnllnk">[1]一种>.
稳健估计,nlinfit.
使用算法<一种href="//www.tatmou.com/help/stats/robust-regression-reduce-outlier-effects.html" class="a">迭代加权最小二乘一种>(<一种href="//www.tatmou.com/help/stats/nlinfit.html" class="intrnllnk">[2]一种>那<一种href="//www.tatmou.com/help/stats/nlinfit.html" class="intrnllnk">[3]一种>).在每一次迭代中,基于前一次迭代中每个观测值的残差重新计算鲁棒权值。这些权值降低了离群值的权重,从而减少了它们对拟合的影响。继续迭代,直到权值收敛。
指定用于观察权重的函数手柄时,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。
Seber, g.a.f和c.j. Wild。
[2] DuMouchel, W. H.和F. L. O . brien。将稳健的选择集成到多元回归计算环境中。
[3] Holland, P. W.和R. E. Welsch。“使用迭代重加权最小二乘的稳健回归。”