第6章 统计回归模型（张蒙）- 西安航空学院

y=b(1)*x./(b(2)+x); %（1）式 （2）脚本文件：

x=[0.02 0.02 0.06 0.06 0.11 0.11 0.22 0.22 0.56 0.56 1.10];

y=[67 51 84 86 98 115 131 124 144 158 160]; % 未经嘌呤酶素处理的数据 b0=[100 0.03]; % 初值，任意给定 [b,R,J]=nlinfit(x,y,'fan',b0); b, % 显示?1,bi=nlparci(b,R,J), % ?1,?2的估计值b，不显示R,J

?2的置信区间

x1=0:0.02:1.2; % 下面三行作出所求模型的图像，以及散点图 y1=b(1)*x1./(b(2)+x1); plot(x,y,'+',x1,y1)

nlintool(x,y,'fan',b) % 交互式画面 运行结果：

b =

160.2811 0.0477

bi =

145.6216 174.9406

0.0301 0.0653

图像：

图6-5

交互式画面：

图6-6

十字虚线表示坐标，可以用鼠标移动来改变；实线（绿色）为所求回归曲线y，它两侧的虚线（红色）标出y的置信区间，点击Export可以输出相关相关数据。

上面是对未经嘌呤酶素处理的酶促反应的数据进行回归得到的结果，用同样的方法分析经过嘌呤酶素处理的数据，可得结果如下：

b =

212.6850 0.0641 bi =

197.2056 228.1643 0.0457 0.0826 结果分析：?1的估计值从160.2811变为212.6850，可见经过嘌呤酶素处理，酶促反应的最终反应速度会有较大的改变，?2的估计值仅从0.0477变为0.0641，说明经过处理，半速度点不会有太大变化。

上面是对模型（1）进行分析，同样可以对模型（2）进行分析，所得结果基本相同。