实验11_统计回归模型(4学时)汇编.doc

实验11 统计回归模型（4学时） （第10章 统计回归模型） 1. 牙膏的销售量p325~332 下面给出一组数据，其中： 第1列 销售周期； 第2列 某公司牙膏销售价格（元）x4； 第3列 其它厂家平均价格（元）x3； 第4列 广告费用（百万元）x2； 第5列 价格差（元）x1(x3-x4)； 第6列 销售量（百万支）y。 存放在一个名为p的文件中。 p325.txt文件 绘制y对x1的散点图 程序如下： M=dlmread(p);%读取ASCII码文件 x1=M(:,5); y=M(:,6); plot(x1,y, bo);M=dlmread(fun.txt); fun.m是一个数据文件，存放一个数据矩阵，将文件内容写入M。 ☆(1) 运行程序并给出结果（比较[327]图1）： 确定y对x1的拟合，绘制散点图与拟合曲线组合图形 从y对x1的散点图可以发现，可用线性模型（直线） 来拟合（其中ε是随机误差）。程序如下： clc; format short g; M=dlmread(p);%读取ASCII码文件 x1=M(:,5); y=M(:,6); plot(x1,y, bo); b=regress(y,[ones(size(x1)),x1]); % b=[β0 β1] ，列向量 x=sort(x1); %按升序排序y=[ones(size(x1)),x1]*b;%使用矩阵乘法 hold on; plot(x1,y, -r); hold off; [提示：regress多元线性回归函数调用格式] [b,bint,r,rint,stats]=regress(y,x,alpha) 例，多元回归模型为： 输入： y为n（=30）维列向量数据。 x为对应于回归系数 ( β0, β1, β2, β3 ) 的数据矩阵 [1 x1 x2 x22]30×4矩阵，第1列全1。 alpha为置信水平（缺省时为0.05）。 输出： b为β=( β0, β1, β2, β3 )估计值，4维列向量。 bint为b的置信区间，4×2矩阵。 r为残差n(=30)维列向量y-xβ。 rint为r的置信区间，30×2矩阵。 stats为回归模型的检验统计量，含4个值R2 回归方程的决定系数（R是相关系数）F 统计值P 与F统计量对应的概率值 ☆(2) 运行程序并给出结果（比较[327]图1）： 绘制y对x2的散点图 程序如下： clc; format short g; M=dlmread(p);%读取ASCII码文件 x2=M(:,4); y=M(:,6); plot(x2,y,bo);☆(3) 运行程序并给出结果（比较[327]图2）： 确定y对x2的的拟合，绘制散点图与拟合曲线组合图形 从y对x2的散点图可以发现，可用二次函数模型 来拟合。程序如下： clc;format short g; M=dlmread(p);%读取ASCII码文件 x2=M(:,4); y=M(:,6); plot(x2,y,bo); b=regress(y,[ones(size(x2)),x2,x2.^2]); % b=[β0 β1 β2]，列向量 =sort(x2); y=[ones(size(x2)),x2,x2.^2]*b; %使用矩阵乘法 hold on; plot(x2,y,-r); hold off; ☆(4) 运行程序并给出结果（比较[327]图2）： y对x1, x2的回归模型及其求解，销售量预测 综上得回归模型 变量x1, x2为回归变量，参数?0, ?1, ?2, ?3为回归系数。 程序如下： clc; format compact; format short g; M=dlmread(p325.txt); x1=M(:,5);x2=M(:,4); y=M(:,6); [b,bint,r,rint,stats]=regress(y,[ones(size(x1)),x1,x2,x2.^2],0.05); fprintf(%2s%5s%11s\n,参数,估计值,置信区间);%1个汉字算1个字符 for i=1:length(b) fprintf (β%1d%9.4f [%7.4f, %7.4f]\n,i-1,[b(i,:),bint(i,:)]); end % %d将i当整数输出，%7.4f按实数格式输出，区域宽7个字符，4位小数 fprintf(\nR2=%.4f F=%.4f p%.4e s2=%.4f\n,stats); x1=0.2; x2=6.5; y=[1 x1,x2,x2^2]*b; %使用矩阵乘法 fprintf(\n销售量预测：x1=%.1f, x2=%.1f, y=%.4f\n,x