关于富士康跳楼曲线的Logistic回归分析。正常人都能知道这绝对不是偶然,至于这背后有什么?我一开始也不甚清楚。然后一篇突如其来的实验报告被发还给我,然后看着我亲手绘制的磁滞回线。有了主意。首先,我查到了有记载以来,所有富士康员工自杀的日期:列出如下表格:(以07年6月18号,第一例自杀案例为原点,至今(10年5月25日)1072天) 自杀时间x/d 0 75 272 758 794 950 997 1003 1015 1023 1024 1024 1053 1051 1072 累计自杀人数y 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 在MATLAB中容易做出散点图:可见这是一个指数增长的曲线。对此我认为自杀和流行病一样,自杀也是一种病,而且是一种可以传染的疾病。因此其增长曲线与对数增长很接近。对其做指数函数拟合:General model Exp2:f(x) = a*exp(b*x) + c*exp(d*x)Coefficients (with 95% confidence bounds):a = (, )b = (, )c = (, )d = (, )Goodness of fit:SSE: : R-square: : 可见相关度也是非常高的。然而和所有疾病一样,一旦其事件引起了人们的关注,则各方的反馈作用,将阻碍其继续上升。因此,和很多流行病分析一样,该曲线很有可能呈S型。对于该曲线的分析,使用Logistic回归。首先我们假设Logis(B,x)=F(x),之中B为参数数组,则由经验和可能的微分方程关系,回归曲线应该为S(x)=m*Logis(B,x+t)/(n+Logis(B,x+t))格式由于当Logis(B,x)较小时S(x)=Logis(B,x),则可以认为f(x)的参数可以直接引入S(x)作为一种近似,而对于m,n的确定,我以1为间隔,画出m*n=40*20的所有曲线,选出其中最吻合的的一条(m=22 n=20 t=50):