3.利用Matlab和SPSS軟件进行线性回归分析.doc

§3.利用Matlab和SPSS进行线性回归分析 回归分析是处理两个及两个以上变量间线性依存关系的统计方法。1）[b,bint,r,rint,stats]=regress(y,x)，其中b是回归方程中的参数估计值，bint是b的置信区间，r和rint分别表示残差及残差对应的置信区间。stats包含三个数字，分别是相关系数，F统计量及对应的概率p值。 （2）recplot(r,rint)作残差分析图。 （3）rstool(x,y)一种交互式方式的句柄命令。 以下通过具体的例子来说明。 例，现有多个样本的因变量和自变量的数据，下面我们利用Matlab，通过回归分析建立两者之间的回归方程。 % 一元回归 x=[1097 1284 1502 1394 1303 1555 1917 2051 2111 2286 2311 2003 2435 2625 2948 3, 55 3372];%因变量时间序列数据 y=[698 872 988 807 738 1025 1316 1539 1561 1765 1762 1960 1902 2013 2446 2736 2825];%自变量时间序列数据 X=[ones(size(x)),x],pause [b,bint,r,rint,stats]=regress(y,X,0.05),pause%调用一元回归分析函数 rcoplot(r,rint)%画出在置信度区间下误差分布。 % 多元回归分析 % 输入各种因变量数据 x1=[5.5 2.5 8 3 3 2.9 8 9 4 6.5 5.5 5 6 5 3.5 8 6 4 7.5 7]; x2=[31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59]; x3=[10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9]; x4=[8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11]; %输入自变量数据 y=[79.3 200.1 163.1 200.1 146.0 177.7 30.9 291.9 160 339.4 159.6 86.3 237.5 107.2 155 201.4 100.2 135.8 223.3 195]; X=[ones(size(x1)),x1,x2,x3,x4]; [b,bint,r,rint,stats]=regress(y,X)%回归分析 Q=r*r sigma=Q/18 rcoplot(r,rint);pause X1=[x1,x2,x3,x4]; stepwise(X1,y,[1,2,3])%逐步回归 % X2=[ones(size(x1)),x2,x3]; % X3=[ones(size(x1)),x1,x2,x3]; % X4=[ones(size(x1)),x2,x3,x4]; % [b1,b1int,r1,r1int,stats1]=regress(y,X2) % [b2,b2int,r2,r2int,stats2]=regress(y,X3); % [b3,b3int,r3,r3int,stats3]=regress(y,X4); 2.利用SPSS软件实现 在SPSS软件中，同样可以简单的实现回归分析，因为回归分析包含了线性回归与曲线拟合两部分内容，首先来看线性回归分析过程（LINEAR）。 一元回归分析 例如，教材中上表3.1.2中数据，把降水量（P）看作因变量，把纬度（Y）看作自变量，在平面直角坐标系中作出散点图（课本上图3.1.1），发现它们之间呈线性相关关系，因此，可以用一元线性回归方程近似地描述它们之间的数量关系。步骤如下： 在菜单中选择Regression==liner，系统弹出线性回归对话框如下： 各项选项按钮解释如下： 【Dependent框 用于选入回归分析的应变量。即在这个例子中选择年降水量。 【Block按钮组 由Previous和Next两个按钮组成，用于将下面Independent框 【Independent框 用于选入回归分析的自变量。即在这个例子中选择纬度。 【Method下拉列表 用于选择对自变量的选入方法，有Enter（强行进入法）、Stepwise（逐步法）、Remove（强制剔除法）、Backward（向后法）、Forward（向前法）五种。该选项对当前Independent框中的所有变量均有效。 Selection Variable框 选入一个筛选变量，并利用右侧的Rules按钮建立一个选择条件，这样，只有满足该条件的记录才会进入回归分