第八章回归模型与统计软件资料.ppt

水泥放热数据表 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 7 1 11 11 7 11 3 1 2 21 1 11 10 26 29 56 31 52 55 71 31 54 47 40 66 68 6 15 8 8 6 9 17 22 18 4 23 9 8 60 52 20 47 33 22 6 44 22 26 34 12 12 78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4 clear clc A=[7 26 6 60 78.5 1 29 15 52 74.3 11 56 8 20 104.3 11 31 8 47 87.6 7 52 6 33 95.9 11 55 9 22 109.2 3 71 17 6 102.7 1 31 22 44 72.5 2 54 18 22 93.1 21 47 4 26 115.9 1 40 23 34 83.8 11 66 9 12 113.3 10 68 8 12 109.4]; X=[ones(size(A(:,1))),A(:,1:4)]; y=A(:,5); [b,bint,r,rint,stats]=regress(y,X,0.05) yy=X*b; plot(1:13,y,*,1:13,yy,r--) h=legend(实际放热,模型输出) 用regress进行水泥放热数据的多元线性回归 拟合效果图 分析与假设 y~ 薪金，x1 ~资历（年） x2 = 1~ 管理人员，x2 = 0~ 非管理人员 1=中学2=大学3=更高 资历每加一年薪金的增长是常数； 管理、教育、资历之间无交互作用 教育 线性回归模型 a0, a1, …, a4是待估计的回归系数，?是随机误差 中学：x3=1, x4=0 ；大学：x3=0, x4=1； 更高：x3=0, x4=0 模型求解 参数 参数估计值 置信区间 a0 11032 [ 10258 11807 ] a1 546 [ 484 608 ] a2 6883 [ 6248 7517 ] a3 -2994 [ -3826 -2162 ] a4 148 [ -636 931 ] R2=0.957 F=226 p=0.000 R2,F, p? 模型整体上可用 资历增加1年薪金增长546 管理人员薪金多6883 中学程度薪金比更高的少2994 大学程度薪金比更高的多148 a4置信区间包含零点，解释不可靠! 中学：x3=1, x4=0;大学：x3=0, x4=1; 更高：x3=0, x4=0. x2 = 1~ 管理，x2 = 0~ 非管理 x1~资历(年) 残差分析方法 结果分析 残差 e 与资历x1的关系 e与管理—教育组合的关系 残差全为正，或全为负，管理—教育组合处理不当 残差大概分成3个水平， 6种管理—教育组合混在一起，未正确反映 。 应在模型中增加管理x2与教育x3, x4的交互项 组合 1 2 3 4 5 6 管理 0 1 0 1 0 1 教育 1 1 2 2 3 3 管理与教育的组合 进一步的模型 增加管理x2与教育x3, x4的交互项 参数 参数估计值 置信区间 a0 11204 [11044 11363] a1 497 [486 508] a2 7048 [6841 7255] a3 -1727 [-1939 -1514] a4 -348 [-545 –152] a5 -3071 [-3372 -2769] a6 1836 [1571 2101] R2=0.999 F=554 p=0.000 R2,F有改进，所有回归系数置信区间都不含零点，模型完全可用 消除了不正常现象 异常数据(33号)应去掉 e ~ x1 e ~组合 去掉异常数据后的结果 参数 参数估计值 置信区间 a0 11200 [11139 11261] a1 498 [494 503] a2 7041 [6962 7120] a3 -1737 [-1818 -1656] a4 -356 [-431 –281] a5 -3056 [-3171 –2942] a6 1997 [1894 2100] R2= 0.9998