以黑龙江省七台河市林业局金沙林场9株人工落叶松2790个样品数据为例,选择6个常用方程进行非线性回归分析,把拟合精度最高的修正Logistic模型作为微纤丝角基础模型y=b1/[1+exp(b2x)]+b3,然后,利用S-PLUS软件中的NLME过程,拟合非线性微纤丝角模型。采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的精度进行比较分析。结果表明:当对微纤丝角-年龄关系进行拟合时,b1,b2,b3同时作为混合参数时模型拟合效果最好。把相关性结构包括复合对称结构(CS)、一阶自回归结构AR(1)、一阶移动平均结构MA(1)及一阶自回归与移动平均结构[ARMA(1,1)]加入到微纤丝角最优混合模型中,一阶自回归与移动平均模型[ARMA(1,1)]显著提高了微纤丝角混合模型的拟合精度。模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度。因此,混合模型在应用上不仅能反映总体微纤丝角预测,而且能通过方差协方差结构和误差相关性结构校正随机参数来反映个体微纤丝角差异。