拟合总结.docVIP

直线拟合： 回归统计 Multiple R 0.367224 R Square 0.134854 Adjusted R Square 0.108637 标准误差 14.15244 观测值 35 方差分析 　 df SS MS F Significance F 回归分析 1 1030.267 1030.267 5.143837 0.03 残差 33 6609.619 200.2915 总计 34 7639.886 　 　 　 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 9.821113 5.855612 1.677214 0.10295 -2.09222 21.73445 -2.09222 21.73445 1.1 4.188148 1.846624 2.268003 0.03 0.431164 7.945132 0.431164 7.945132 多项式拟合： …+ Excel进行拟合 1、多项式最高方次不超过6 可采用添加趋势线的方法．首先将待拟合数据输入Excel表格，插入散点图或折线图然后将鼠标指针移到散点图中数据点，右击键，选择添加趋势线（在菜单栏的图表菜单中选择添加趋势线）．在出现的对话框类型卡中选定多项式曲线拟合，具体用几阶可在拟合的过程中看那一种拟合的效果最佳。在选项卡中选定显示公式和R平方值选项，根据实际情况确定是否设置截距值．按“确定”按钮立即得到拟合多项式及决定系数值。 检验：越大，曲线拟合的越好。 如何单变量求解？ 2、多项式超过6时 …+ 设x1=x,x2=x2,x3=x3…x9=x9 化为多元线性拟合 二、多元线性回归：y=b 点击“工具”—“数据分析”—“回归”—“确定”--，在“Y值输入区域”填入y值，在X输入区域“填入多个x变量。--”确定“。 结果： 回归统计 Multiple R 0.374566 R Square 0.140299 Adjusted R Square 0.086568 标准误差 14.32656 观测值 35 方差分析 　 df SS MS F Significance F 回归分析 2 1071.872 535.9359 2.611132 0.089034 残差 32 6568.014 205.2504 总计 34 7639.886 　 　 　 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 2.336209 17.64992 0.132364 0.895525 -33.6155 38.28792 -33.6155 38.28792 1.1 4.786602 2.293752 2.0868 0.044958 0.114382 9.458823 0.114382 9.458823 4.8 1.666739 3.702002 0.450226 0.655583 -5.87399 9.20747 -5.87399 9.20747 Multiple：相关系数R，越接近1越好。 R Square：R的平方 F越大越好。 Coefficients所在一列表示回归系数，依次是 matlab拟合（最小二乘拟合） 直线拟合 直线拟合时可先做剔除异常点 首先把数据复杂在文本文档中（txt）。导入数据：file—import data—找到文本文档---next---finish。 程序： x=data(:,1);% 第一列 y=data(:,2);%第二列 plot(x,y,r+)%画散点图 %画残差分布图、参数求解、检验 X=[ones(size(x),1),x]; [b,bint,r,rint,stats]=regress(y,X); figure b,bint,stats,rcoplot(r,rint) 红色的为异常点，把这些点剔除，再重新做一次。 b = 2.0975-----b0 0.0351-----b1 bint = 1.3750 2.8200 0.0074 0.0628 stats =