拟合效果图 gov cons 13000 12000 11000 0000 9000/x 8000 8182838485868788899091 time
拟合效果图
非线性拟合 ■使用场合 ■长期趋势呈现出非线形特征 参数佔计指导思想 ■能转换成线性模型的都转换成线性模型,用 线性最小二乘法进行参数估计 实在不能转换成线性的,就用迭代法进行参 数估计
非线性拟合 ◼ 使用场合 ◼ 长期趋势呈现出非线形特征 ◼ 参数估计指导思想 ◼ 能转换成线性模型的都转换成线性模型，用 线性最小二乘法进行参数估计 ◼ 实在不能转换成线性的，就用迭代法进行参 数估计
常用非线性模型 模型 变换变换后模型参数估计方法 T=a+bt+ct 7=a+b+c,线性最小二乘估计 In T T=ab =hna T=atbt 线性最小二乘估计 b′=hb z=a+bc 迭代法 +bO-1 迭代法 迭代法 a+bc
常用非线性模型 模型 变换 变换后模型 参数估计方法 线性最小二乘估计 线性最小二乘估计 － － 迭代法 － － 迭代法 － － 迭代法 2 T a bt ct t = + + t Tt = ab t Tt = a + bct a bc t T e + = t t a bc T + = 1 2 2 t = t Tt Tt = ln a = ln a b = ln b 2 T a bt ct t = + + T a b t t = +
例4.2:对上海证券交易所每月末上 证指数序列进行模型拟合 index 3000 2000 1000 0 919293949596979899000102 time
例4.2： 对上海证券交易所每月末上 证指数序列进行模型拟合
非线性拟合 ■模型 at bt + ct ■变换 参数估计方法 线性最小二乘估计 ■拟合模型口径 T=5022517+0.0952t2
非线性拟合 ◼ 模型 ◼ 变换 ◼ 参数估计方法 ◼ 线性最小二乘估计 ◼ 拟合模型口径 2 T a bt ct t = + + 2 2 t = t 2 T 502.2517 0.0952t t = +