求大神帮助一下关于matlab非线性拟合的问题

数据如下
t=[1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017]
y=[60.42 73.12 81.62 96.04 118.2 155.77 205.42 249.96 289.67 358.36 423.65 533.88 625.33 770.78 968.98 1219.23 1481.66 1848.07 2333.32 2876.22 3501.39 4574.91 5938.71 7326.79 8838.60 10501.68 12339.36 14099.10 16330.22 18695.00];
求以下方程式拟合
y= K1*( 1 + β1*exp( d － r1*t) ) ^－1/β1
之前matlab也没有接触过，并不是很懂，希望大神能够给出拟合的步骤，谢谢

这道拟合问题能得出正解应该是很困难，不论是Matlab还是其它如Origin，Stata等，1stOpt可以很容易得出如下最优结果：
均方差(RMSE): 108.582638594185
残差平方和(SSR): 353705.682122261
相关系数(R): 0.999802656296112
相关系数之平方(R^2): 0.999605351536761
修正R平方(Adj. R^2): 0.999576118317262
确定系数(DC): 0.999581765514693
卡方系数(Chi-Square): 164.480713720997
F统计(F-Statistic): 20832.7921525898

参数        最佳估算
----------        -------------
k1        32496.6620284768
b1        1.07678513719114
d        537.874206745223
r1        0.266800281734065

楼主如果要用MATALB，需要编2个M文件，一个用来定义函数，另一个用来估计参数。可用fminsearch命令或非线性最小二乘命令lsqnonlin()函数。
不过楼主的问题可以直接在EVIEWS中用非线性最小二乘估计，我算了一下，效果并不好。楼主的方程有点象Logistic回归，但也不是，我在EVIEWS中估计的结果如下：（只算出K1=0.032275，其他算不出来）

Dependent Variable: Y                               
Method: Least Squares (Gauss-Newton / Marquardt steps)                               
Date: 05/02/18   Time: 12:49                               
Sample: 1988 2017                               
Included observations: 30                               
Failure to improve ssr (non-zero gradients) after 0 iterations                               
Coefficient covariance computed using outer product of gradients                               
WARNING: Singular covariance - coefficients are not unique                               
Y=C(1)*(1+C(2)*EXP(C(3)-C(4)*T))^(-1/C(2))                               
                               
        Coefficient        Std. Error        t-Statistic        Prob.  
                               
C(1)        0.032275        NA        NA        NA
C(2)        0.000000        NA        NA        NA
C(3)        0.000000        NA        NA        NA
C(4)        0.000000        NA        NA        NA
                               
R-squared        -0.538757            Mean dependent var                3897.182
Adjusted R-squared        -0.716306            S.D. dependent var                5400.228
S.E. of regression        7074.724            Akaike info criterion                20.69001
Sum squared resid        1.30E+09            Schwarz criterion                20.87684
Log likelihood        -306.3502            Hannan-Quinn criter.                20.74978
Durbin-Watson stat        0.021762