R中的非线性回归

我是R的新手。我想对以下一阶衰减时间序列公式进行非线性回归拟合：

y = a*exp^(-kt)

有人能给我演示一下非线性拟合的脚本和过程吗？谢谢

nls（）函数执行非线性最小二乘法，我想这就是您要问的。下面是一个例子：

> data = data.frame(Year=0:7, Count=c(3, 5, 9, 30, 62, 154, 245, 321))
> out = nls(Count~a*exp(b*Year), data=data, start=list(a=1, b=1))

# Look at output
> summary(out)

Formula: Count ~ a * exp(b * Year)

Parameters:
  Estimate Std. Error t value Pr(>|t|)    
a 11.52774    4.30644   2.677 0.036689 *  
b  0.48412    0.05778   8.379 0.000157 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 24.54 on 6 degrees of freedom

Number of iterations to convergence: 11 
Achieved convergence tolerance: 4.533e-06

另一种选择可能是对经过日志转换的数据进行直线回归——我不确定这是否违反了您的建模假设

来源：

nls（）函数执行非线性最小二乘法，我想这就是您要问的。下面是一个例子：

> data = data.frame(Year=0:7, Count=c(3, 5, 9, 30, 62, 154, 245, 321))
> out = nls(Count~a*exp(b*Year), data=data, start=list(a=1, b=1))

# Look at output
> summary(out)

Formula: Count ~ a * exp(b * Year)

Parameters:
  Estimate Std. Error t value Pr(>|t|)    
a 11.52774    4.30644   2.677 0.036689 *  
b  0.48412    0.05778   8.379 0.000157 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 24.54 on 6 degrees of freedom

Number of iterations to convergence: 11 
Achieved convergence tolerance: 4.533e-06

另一种选择可能是对经过日志转换的数据进行直线回归——我不确定这是否违反了您的建模假设

---

来源：

“请给我代码”对于SO来说不是一个合适的问题。查看

？nls

中的示例，或搜索

[r]nls

，或通过谷歌搜索“nls r示例”，在遇到问题时返回并编辑您的问题。也许可以查找“拟合分布”？您违反了R问题的基本规则：始终发布数据。因此，没有数据；没有建议。这篇博文可能也很有趣：“请给我代码”被认为不是一个合适的问题。查看

？nls

中的示例，或搜索

[r]nls

，或通过谷歌搜索“nls r示例”，在遇到问题时返回并编辑您的问题。也许可以查找“拟合分布”？您违反了R问题的基本规则：始终发布数据。因此，没有数据；没有建议。这篇博文可能也很有趣：