非线性回归模型、多项式回归、局部回归的r语言代码

最新推荐文章于 2025-07-05 16:06:20 发布

TJ统计

最新推荐文章于 2025-07-05 16:06:20 发布

阅读量1.6w

点赞数 6

CC 4.0 BY-SA版权

文章标签：非线性回归模型多项式回归局部回归最

本文链接：https://blog.youkuaiyun.com/li603060971/article/details/50282809

本文介绍了如何使用R语言进行非线性回归、多项式回归以及局部回归的分析。首先，通过nls函数构建了龚珀兹模型进行非线性回归；接着，运用lm函数实现了一次和二次多项式回归；然后，利用ksmooth函数进行了核回归光滑模型的探索，探讨了不同带宽设置的影响；最后，通过kknn包进行了k近邻回归，并对比了矩形核和高斯核的效果，同时结合locpoly函数展示了局部多项式回归的不同带宽选择对结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#非线性回归模型
setwd("I:/研一课程/2.2回归分析/R/data")#设定当前的工作目录，重要！
a<-read.table("2.txt",header=T)
a.nls<-nls(y~k*a^(b^t),data=a,start=list(k=149,a=0.01,b=0.8))
a.sum<-summary(a.nls)
a.sum #（1）采用龚珀兹模型形式，建立非线性模型
SST<-sum((a$y-mean(a$y))**2) #计算Rsquare
Rsquare<-1-a.sum$sigma^2*df.residual(a.nls)/SST
Rsquare

#多项式回归
setwd("I:/研一课程/2.2回归分析/R/data")#设定当前的工作目录，重要！
a<-read.table("2.txt",header=T)
income.plm<-lm(y~t+I(t^2),data=a)
summary(income.plm)

#-----------------------------------------------------------#局部回归
#核回归光滑模型1
setwd("I:/研一课程/2.2回归分析/R/data")#设定当前的工作目录，重要！
d<-read.table("2.txt",header=T)
par(mfrow=c(2,1));X=d[,1];Y=d[,2];
bw=list(" (a) normal", " (b) box")
plot(X,Y,main=bw[[1]]);lines(ksmooth(X,Y, "normal", bandwidth=5))
plot(X,Y,main=bw[[2]]);lines(ksmooth(X,Y, "box", bandwidth=5))

#核回归光滑模型2
par(mfrow=c(2,2))