[回帰解析2]非線形回帰モデル割当#1
14412 ワード
ソウル市立大学の金奎成(キム·ギュソン)教授の復帰分析2講義と課題に基づいて作成された文書だ.
2020年第2学期選択回帰分析2科目の課題を評価する.
学期が终わったか终わらないかのうちにすっかり忘れてしまって、でたらめだ.
SASコードは各問題の下部に付加される.
与えられたデータは次のモデルに適しています.
yi=exp(−θ1x1exp[−θ2(1x2−1620)])+ϵi,i=1,...,38y_i = exp(-\theta_1x_1exp[-\theta_2(\frac{1}{x_2}-\frac{1}{620})])+\epsilon_i, i=1, ..., 38yi=exp(−θ1x1exp[−θ2(x21−6201)])+ϵi,i=1,...,38
θ1=0.00376,θ2=27593.0\theta_1=0.00376,\theta_2=27593.0θ1=0.00376,θ2=27593.0
MSE=SSEn−p=0.000119MSE=\frac{SSE}{n-p}=0.000119MSE=n−pSSE=0.000119
記述変数x 1 x 1 x 1
記述変数x 2 x 2 x 2 x 2
ダウンロードコードブロックではSASがサポートされていないため、類似のSQLで記述されている.
与えられたデータは次のモデルに適しています.
yi=θ1θ3x11+θ1x1+θ2x2+ϵiy_i=\frac{\theta_1\theta_3x_1}{1+\theta_1x_1+\theta_2x_2} +\epsilon_iyi=1+θ1x1+θ2x2θ1θ3x1+ϵi
θ1=3.5691,θ2=12.7959,θ3=0.6295\theta_1=3.5691,\theta_2=12.7959,\theta_3=0.6295θ1=3.5691,θ2=12.7959,θ3=0.6295
MSE=SSEn−p=0.000788MSE=\frac{SSE}{n-p}=0.000788MSE=n−pSSE=0.000788
残りの筋は省略する.
ブログ難しい~!!~!
2020年第2学期選択回帰分析2科目の課題を評価する.
学期が终わったか终わらないかのうちにすっかり忘れてしまって、でたらめだ.
SASコードは各問題の下部に付加される.
Q1.
与えられたデータは次のモデルに適しています.
yi=exp(−θ1x1exp[−θ2(1x2−1620)])+ϵi,i=1,...,38y_i = exp(-\theta_1x_1exp[-\theta_2(\frac{1}{x_2}-\frac{1}{620})])+\epsilon_i, i=1, ..., 38yi=exp(−θ1x1exp[−θ2(x21−6201)])+ϵi,i=1,...,38
(a)回帰係数θ1,θ2\theta_1, \theta_2θ1,θ2見積り
θ1=0.00376,θ2=27593.0\theta_1=0.00376,\theta_2=27593.0θ1=0.00376,θ2=27593.0
(b)残差二乗和(MSE)推定
MSE=SSEn−p=0.000119MSE=\frac{SSE}{n-p}=0.000119MSE=n−pSSE=0.000119
(c)残差図
ソースコード
ダウンロードコードブロックではSASがサポートされていないため、類似のSQLで記述されている.
/* Q1 */
data ex1;
input x1 x2 y;
cards;
120 600 0.9
60 600 0.949
60 612 0.886
120 612 0.785
120 612 0.791
60 612 0.89
60 620 0.787
30 620 0.877
15 620 0.938
60 620 0.782
45.1 620 0.827
90 620 0.696
150 620 0.582
60 620 0.795
60 620 0.8
60 620 0.79
30 620 0.883
90 620 0.712
150 620 0.576
60 620 0.802
60 620 0.802
60 620 0.804
60 620 0.794
60 620 0.804
60 620 0.799
30 631 0.764
45.1 631 0.688
40 631 0.717
30 631 0.802
45 631 0.695
15 639 0.808
30 639 0.655
90 639 0.309
25 639 0.689
60.1 639 0.437
60 639 0.425
30 639 0.638
30 639 0.659
;
proc nlin data=ex1 method=newton;
model y = exp(-b1*x1*exp(-b2*(1/x2-1/620)));
parms b1=0.01155 b2=5000 ;
output out =ex1_out p=pred r=resid;
run; quit;
proc nlin data=ex1 method=gauss;
model y = exp(-b1*x1*exp(-b2*(1/x2-1/620)));
parms b1=0.01155 b2=5000 ;
output out =ex1_out p=pred r=resid;
run; quit;
proc sgplot data = ex1_out;
scatter x=x1 y=resid;
proc sgplot data = ex1_out;
scatter x=x2 y=resid;
proc sgplot data = ex1_out;
scatter x=pred y=resid;
run; quit;
Q2.
与えられたデータは次のモデルに適しています.
yi=θ1θ3x11+θ1x1+θ2x2+ϵiy_i=\frac{\theta_1\theta_3x_1}{1+\theta_1x_1+\theta_2x_2} +\epsilon_iyi=1+θ1x1+θ2x2θ1θ3x1+ϵi
(a)回帰係数θ1,θ2\theta_1, \theta_2θ1,θ2見積り
θ1=3.5691,θ2=12.7959,θ3=0.6295\theta_1=3.5691,\theta_2=12.7959,\theta_3=0.6295θ1=3.5691,θ2=12.7959,θ3=0.6295
(b)残差二乗和(MSE)推定
MSE=SSEn−p=0.000788MSE=\frac{SSE}{n-p}=0.000788MSE=n−pSSE=0.000788
残りの筋は省略する.
ソースコード
/* Q2 */
data ex2;
input x1 x2 y;
cards;
1 1 0.126
2 1 0.219
1 2 0.076
2 2 0.126
0.1 0 0.186
3 0 0.606
0.2 0 0.268
3 0 0.614
0.3 0 0.318
3 0.8 0.298
3 0 0.509
0.2 0 0.247
3 0.8 0.319
;
proc nlin data = ex2 method = newton plots = (fit diagnostics) ;
model y = b1*b3*x1 / (1 + b1*x1 + b2*x2);
parms b1=2.9 b2=12.2 b3=0.69;
output out =ex2_out p = pred r=resid;
run; quit;
proc sgplot data = ex2_out;
scatter x=x1 y=resid;
proc sgplot data = ex2_out;
scatter x=pred y=resid;
run; quit;
きれいに書こうと思ったが、書き終わってから読むのがめちゃくちゃだった.ブログ難しい~!!~!
Reference
この問題について([回帰解析2]非線形回帰モデル割当#1), 我々は、より多くの情報をここで見つけました https://velog.io/@yourmean/회귀분석2-과제-1テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol