类似地,多元多项式回归问题也可化为多元线性回归来解决。 例 1=B+B1=1+B2=12+B321+B4=1-12+B5=2+E 1,2,3,…,N A Xil=Zil, xi2=Zi2, xi3==i, i4=Zi1Z12 Xi5-=212 则上模型化为多元线性回归 1=A+Bx1+B2x12+3x13+/4x14+B5x5+ 12 多项式回归可以处理相当一类非线性问题 微积分的维尔斯脱拉斯定理:若函数f(x)在有限闭区间 a,b]内连续,则存在一个多项式序列{pa()},p(x在|a,b 上一致收敛于fx) 即连续函数f(x)可由多项式函数逼近 更一般地,函数可分段用多项式逼近。因此在通常的问题 中,不论变量Y与其他变量之间关系如何,总可以用多项式 回归来进行分析和计算 多项式回归可化为多元线性回归来处理,但它有两个基本1X′Y 类似地，多元多项式回归问题也可化为多元线性回归来解决。 例 ： i i i i i i i i Y =  +  z +  z +  z +  z z +  z +  2 4 1 2 5 2 2 0 1 1 2 2 3 1 i=1,2,3,···,N 令 xi1=zi1, xi2=zi2, xi3= 2 i1 z , xi4=zi1zi2, xi5= 2 i2 z 则上模型化为多元线性回归 i i i i i i i Y =  +  x +  x +  x +  x +  x + 0 1 1 2 2 3 3 4 4 5 5 i=1,2,3,···,N 多项式回归可以处理相当一类非线性问题。 微积分的维尔斯脱拉斯定理：若函数 f（x）在有限闭区间 [a, b]内连续，则存在一个多项式序列｛pn（x）｝, pn（x）在[a, b] 上一致收敛于 f(x). 即连续函数 f（x）可由多项式函数逼近. 更一般地，函数可分段用多项式逼近。因此在通常的问题 中，不论变量 Y 与其他变量之间关系如何，总可以用多项式 回归来进行分析和计算. 多项式回归可化为多元线性回归来处理，但它有两个基本