数学建模培训回归分析要点.pptVIP

多元线性回归 b=regress( Y, X ) 1、确定回归系数的点估计值： 3、画出残差及其置信区间： rcoplot（r，rint） 2、求回归系数的点估计和区间估计、并检验回归模型： [b, bint,r,rint,stats]=regress(Y,X,alpha) 回归系数的区间估计 残差 用于检验回归模型的统计量， 有三个数值：相关系数r2、 F值、与F对应的概率p 置信区间 显著性水平 （缺省时为0.05） 例 某商场一年内每月的销售收入X(万元)与销售费用Y (万元)统计如表，试求销售费用Y关于销售收入X的线性回归方程。 解：建立回归模型 y=b0+b1x x1=[187.1 179.5 157.0 197.0 239.4 217.8 227.1 233.4 242.0 251.9 230.0 271.8]; y=[25.4 22.8 20.6 21.8 32.4 24.4 29.3 27.9 27.8 34.2 29.2 30.0]; x=[ones(12,1) x1]; [b, bint,r,rint,stats]=regress(y,x) b = 3.4130 0.1081 bint = -7.0791 13.9050 0.0608 0.1554 stats = 0.7218 25.9430 0.0005 回归方程为：y= 3.4130+0.1081x B0的置信区间： -7.0791 13.9050 b1的置信区间： 0.0608 0.1554 复相关系数R=0.7218,F统计量值为25.9430，显著性概率P= 0.0005 作回归残差图：rcoplot(r,rint) 从残差图可以看出，所有数据的残差都包含零，且显著性概率P0.01，回归效果显著。如果某个数据的残差不包含零，则常把它视为异常值，在回归中应把它剔除，再进行回归。 例1 解： 1、输入数据： x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]; X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]; 2、回归分析及检验： [b,bint,r,rint,stats]=regress(Y,X) b,bint,stats To MATLAB(liti11) 题目 3、残差分析，作残差图： rcoplot(r,rint) 从残差图可以看出，除第二个数据外，其余数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型 y=-16.073+0.7194x能较好的符合原始数据，而第二个数据可视为异常点. 4、预测及作图： z=b(1)+b(2)*x plot(x,Y,k+,x,z,r) 返回 To MATLAB(liti12) 多 项 式 回 归 （一）一元多项式回归 （1）确定多项式系数的命令：[p，S]=polyfit（x，y，m） （2）一元多项式回归命令：polytool（x，y，m） 1、回归： y=a1xm+a2xm-1+…+amx+am+1 2、预测和预测误差估计： （1）Y=polyval（p，x）求polyfit所得的回归多项式在x处 的预 测值Y； （2）[Y，DELTA]=polyconf（p，x，S，alpha）求polyfit所得 的回归多项式在x处的预测值Y及预测值的显著性为1- alpha的置信区间Y± DELTA；alpha缺省时为0.5. 解： 直接作二次多项式回归： t=1/30:1/30:14/30; s=[11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48]; [p,S]=polyfit(t,s,2) To MATLAB（liti21） 得回归模型为 ： Y=polyconf(p,t,S) plot(t,s,k+,t,Y,r) 预测及作图 To MATLAB(liti23) （二）多元二项