请问如何用电子表格 工作表.xls来计算非线性回归方程?
我几十年前学的高等数学没有应用都还给老师了。但是工作以后最小二乘法计算回归方程包括非线性回归方程还经常应用的。然而十几年不用了也还给老师了。近来我想用电脑的 工作表.xls计算回归方程,可是摸了好久总算把现行的回归方程摸出来了,然而非线性还是没有摸出来。从“帮助”看似乎线性的、多项式、指数函数、对数函数等等都能够计算,就是不知道非线性得如何计算。请各位高手帮忙。谢谢!!!当前最最急需的是多项式。
如已知自变量X1、X2、X3、X4、X5、X6、……
应变量实验值Y1、Y2、Y3、Y4、Y5、Y6、……
如何用公式Y=A+BX+CX²+DX³+EX²X²+FX²X³……来拟合。
当然最好所有的函数都能够指教。
还有如何计算在一定置信度下的误差。最好能够提供出一个方差的公式。
我试验了线性的回归方程,但是出现的表格并不都懂,许多术语似乎和我以前用的不一样。如下面的计算,我总算明白了回归方程是方程为Y=873.4424X+14381.93但是表格中有的就不太明白。也希望指点。
SUMMARY OUTPUT
回归统计
Multiple R 0.927842615
R Square 0.860891918
Adjusted R Square 0.843503407
标准误差 1127.504099
观测值 10
方差分析
df SS MS F Significance F
回归分析 1 62939387.65 62939387.65 49.50923937 0.00010864
残差 8 10170123.95 1271265.494
总计 9 73109511.6
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0%
Intercept 14381.93333 7518.572934 1.912854136 0.092125013 -2955.938155 31719.80482 -2955.938155 31719.80482
X Variable 1 873.4424242 124.1341158 7.036280223 0.00010864 587.1884547 1159.696394 587.1884547 1159.696394
RESIDUAL OUTPUT
观测值 预测 Y 残差 标准残差
1 63294.70909 -466.7090909 -0.439040306
2 64168.15152 484.8484848 0.456104308
3 65041.59394 952.4060606 0.895942797
4 65915.03636 1291.963636 1.215369748
5 66788.47879 -581.4787879 -0.547005897
6 67661.92121 -1802.921212 -1.696035273
7 68535.36364 -1240.363636 -1.166828847
8 69408.80606 -236.8060606 -0.222767045
9 70282.24848 216.7515152 0.203901431
10 71155.69091 1382.309091 1.300359084
谢谢!!!
我几十年前学的高等数学没有应用都还给老师了。但是工作以后最小二乘法计算回归方程包括非线性回归方程还经常应用的。然而十几年不用了也还给老师了。近来我想用电脑的 工作表.xls计算回归方程,可是摸了好久总算把现行的回归方程摸出来了,然而非线性还是没有摸出来。从“帮助”看似乎线性的、多项式、指数函数、对数函数等等都能够计算,就是不知道非线性得如何计算。请各位高手帮忙。谢谢!!!当前最最急需的是多项式。
如已知自变量X1、X2、X3、X4、X5、X6、……
应变量实验值Y1、Y2、Y3、Y4、Y5、Y6、……
如何用公式Y=A+BX+CX²+DX³+EX²X²+FX²X³……来拟合。
当然最好所有的函数都能够指教。
还有如何计算在一定置信度下的误差。最好能够提供出一个方差的公式。
我试验了线性的回归方程,但是出现的表格并不都懂,许多术语似乎和我以前用的不一样。如下面的计算,我总算明白了回归方程是方程为Y=873.4424X+14381.93但是表格中有的就不太明白。也希望指点。
SUMMARY OUTPUT
回归统计
Multiple R 0.927842615
R Square 0.860891918
Adjusted R Square 0.843503407
标准误差 1127.504099
观测值 10
方差分析
df SS MS F Significance F
回归分析 1 62939387.65 62939387.65 49.50923937 0.00010864
残差 8 10170123.95 1271265.494
总计 9 73109511.6
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0%
Intercept 14381.93333 7518.572934 1.912854136 0.092125013 -2955.938155 31719.80482 -2955.938155 31719.80482
X Variable 1 873.4424242 124.1341158 7.036280223 0.00010864 587.1884547 1159.696394 587.1884547 1159.696394
RESIDUAL OUTPUT
观测值 预测 Y 残差 标准残差
1 63294.70909 -466.7090909 -0.439040306
2 64168.15152 484.8484848 0.456104308
3 65041.59394 952.4060606 0.895942797
4 65915.03636 1291.963636 1.215369748
5 66788.47879 -581.4787879 -0.547005897
6 67661.92121 -1802.921212 -1.696035273
7 68535.36364 -1240.363636 -1.166828847
8 69408.80606 -236.8060606 -0.222767045
9 70282.24848 216.7515152 0.203901431
10 71155.69091 1382.309091 1.300359084
谢谢!!!