eviews中方程图像拟合曲线

Matlab中,有数据拟合工具箱,可在命令窗口输入cftool打开,将数据导入后,里面提供了多种拟合函数,如多项式、exp、三角函数等等,并绘图显示拟合结果

在顶端有一个Analysis目录,这个目录下选择fitting,然后linerfitting是线性拟合（一次）,polynomialfitting是多项式拟合（可自己输入表达式）.常用的基本就这两个吧

代码见附图.

要看是什么曲线了啊,系数都是会给你看到的我替别人做这类的数据分析蛮多的再问：嗯，就是一个很简单的散点图，用线性拟合出直线，但是SPSS17.0版本不显示拟合直线的方程，而22.0版本就显示方程，不知道

分析－＞回归－＞曲线估计因变量　选　专利数自变量　选　时间模型　选　三次勾选　显示ANOVA表格确定.ModelSummarya\x09\x09\x09R　　　RSquare　　AdjustedRSq

x=[1997199819992000200120022003200420052006200720082009];y=[5156513865267434847596881070311384123431

如上所述,采用polyfit来拟合,二次多项式polyfit(x,y,2)x=[0.110.130.190.210.270.370.530.590.710.790.891.07];y=[3868-10

clc,clearallx=[-20.0000 -15.0000 -12.5000 -10.0000 -7.5000 -5.0000 -2.

数据已经有了,把公式发出来吧,自定义的拟合公式在analysis--fit--nonlinearcurvefit---opendialogue,在打开的选项卡中新建自定义函数,然后就可以使用新建的自定

左下角有三个图标,一个是直线,一个是三个点,一个是三个点,一个是点线,选三个点的,设置x、y,然后analysis--fitting,第一个是直线拟合,第二个是多项式拟合,第四个是曲线拟合,一个个试下

好像是最小二乘拟合：最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1].后来,最小二乘法就成了估计理论的奠基石.由于最小二乘法结构简单,编制程序也不困难,所以它颇受人们重视,应用相当

x=[27560000,55120000,82680000,88192000,110240000,137800000]y=[1743170000,1894750000,2053220000,20670

x=[1234566.677.58.571015202528.5733.33405066.67100];y=[50.6540.5734.7931.2528.6226.6725.6824.5322.95

要是你的数据是线性的话,可以用多项式拟合：polyfit(x,y,n)n为所需要拟合多项式的次数,返回值为多项式系数；若是非线性的话,你得有一个和你绘图曲线吻合的函数模型,然后在这个函数模型基础上求这

这样好些,比多项式精度高许多.functionhhx=[123456];y=[214575949898];b0=[111111];a=nlinfit(x,y,@mymodel,b0)xx=min(x)

fprintf('y=%f*x+%f',p(1),p(2));再问：Thankyou。能用，采纳。非常感谢。

首先请问你用的是哪个版本的Origin?7.5还是更低?8.0还是更高?详细的操作请看我的百度空间《曲线的拟合》这一小节的内容,每一步都很详细.

其实做单变量拟合用EXCEL2003就可以实现.操作如下：选中两列数据,插入图表"XY散点图",在出现的散点图中右键任意一个散点,“添加趋势线”,选“多项式”或者“对数”“指数”等,可以在选项里勾选“

这些插值方法最后一般得到的是分段的多项式函数,有pp或b两种保存形式.举个例子clear;clc;x=1:4;y=sin(x);p=spline(x,y)运行后可以看到结构体p如下p=form:'pp

Matlab可以用regress但推荐用1stOpt软件,可以自动搜索最合适的曲线方程