Logistic曲线的回归分析
例某一品种玉米高度与时间(生长周期,每个生长周期为2-3天,与气温有关)的数据如
表1.所示。
用转化为线性方程的方法估计其logistic曲线预测模型。
设最大值k为300(cm)。
表1.玉米高度与时间(生长周期)的关系
时间(生长周期)高度/cm时间(生长周期)高度/cm时间(生长周期)高度/cm
10.671212.752297.4620.851316.5523112.7
31.281420.124135.141.751527.3525153.652.271632.5526160.362.751737.55271
67.173.691844.7528174.984.711953.3829177.996.362071.6130180.2
107.732183.8931180.8119.91
3.1基本绘图操作
在Excel中输入时间x与高度y的数据。
选择插入->图表
图87
点击图表,选择“标准类型”中的xy散点图,并点击子图表类型的第一个。
图88 点击下一步,得到如图89。
图89
点击下一步。
图90
分别点击标题、网格线、图例进行修改,然后点击下一步。
图91
点击完成。
图92
右击绘图区,修改绘图区格式,双击做表格,修改坐标轴刻度,最后的散点图。
图93
观察散点图,其呈S型曲线,符合logistic曲线。
采用转化为线性方程的方法求解模型。
3.2Logistic曲线方程及线性化
Logistic曲线方程为:
y
1
k
at me(12)
(1)将数据线性化及成图
转化为线性方程为:
y'aat
01 (13
)
其中,y'ln(k/y1),a
0lnm,a1a
具体操作为:
向excel表格中输入y’数据。
图94 并依据上面同方法做y’与x的散点图。
图95 如图96所示,选择线性类型。
图96
2
选项中选择显示公式和显示R。
图97 添加趋势线,如图98所示。
图98 由上图知,线性方程为
y'0.2297x5.974(13) 因而,求得的Logistic方程为:
y
300
0.2297t 1393.063e(14)
(2)线性回归检验
选择“工具-数据分析”选项,点击确认。
图99 后选择弹出框的回归,并点击确定
图100 弹出回归框。
图101
选择y、x值输入区域,及输出选项中的输出区域,并选择残差项的残差、标准残差、(残差图、线性拟合图)可选。
图102
最后得到线性回归分析图103。
图103
图104
(3)回归分析解释
回归统计结果如图103和104所示,其中:
MultipleR为复相关系数,RSquare为决定系数,其值为0.987。
AdjustedRSquare:调整过的R
2,即考虑了自变量的个数。
df为自由度,SS为平方和,MS为均方。
SignificanceF即为P值。
当0.05时,图
106中的P值小于,表明回归效果显著。
因而由决定系数和方差P值确定所作回归方程有效。
因而,所求得的Logistic方程为:
300
y
0.2297t
1393.063e(15)。