多元线性回归、逐步回归.docx

 PAGE \* MERGEFORMAT 6 多元线性回归、逐步回归 关键词：非线性回归、多元线性回归、逐步回归、散点图程序、残差图程序、MATLAB 练习1 在M文件中建立函数，其中、、为待定的参数。 程序7 fun=inline(b(1)*(1-b(2)*exp(-b(3)*x)),b,x); 练习2 选取指数函数对例1进行非线性回归： 在同一坐标系内作出原始数据与拟合结果的散点图。 预测照射16次后的细菌数目 给出模型参数的置信度为95%的置信区间，并给出模型交互图形。 程序8 [a,b]=solve(5.8636=log(a)+b,2.7081=log(a)+15*b)%求解初值 x=1:15; y= [352 211 197 160 142 106 104 60 56 38 36 32 21 19 15]; fun=inline(b(1)*exp(b(2)*x),b,x);%建立函数 b0=[440.9771,-0.2254]; [beta,r,J]=nlinfit(x,y,fun,b0);%非线性拟合命令；其中，beta表示最佳回归系数的估计值，r是残差，J是雅可比矩阵 beta%输出最佳参数 %第(2)题作图 y1=nlpredci(fun,x,beta,r,J);%拟合函数 plot(x,y,-*,x,y1,-or);%在同一坐标系中做出两个图形 legend(原始数据,非线性回归) xlabel(x(照射次数)) ylabel(y(残留细菌数)) %第(3)题预测 ypred=nlpredci(fun,16,beta,r,J)%预测钢包使用17次后增大的容积 %第(4)题置信区间及交互图 ci=nlparci(beta,r,J)%置信区间 polytool(x,y,2)%交互图 多元线性回归模型 例3（多元线性回归模型） 某销售公司将其连续18个月的库存资金额、广告投入、员工薪酬以及销售额四方面的数据做了汇总（见表3）。该公司的管理人员试图根据这些数据找到销售额与其他三个变量之间的关系，一边进行销售额预测并为未来的工作决策提供参考依据。 （1）试建立销售额的回归模型； （2）如果未来某月库存资金额为150万元，广告投入为45万元，员工薪酬为27万元，试根据建立的回归模型预测该月的销售额。 表3 某销售公司连续18个月的库存资金额、广告投入、员工薪酬、销售额汇总表 月份库存资金额广告收入员工薪酬销售额175.230.621.11090.4277.631.321.41133.0380.733.922.91242.1476.029.621.41003.2579.532.521.51283.2681.827.921.71012.2798.324.821.51098.8867.723.621.0826.3974.033.922.41003.310151.027.724.71554.61190.845.523.21199.012102.342.624.31483.113115.640.023.11407.114125.045.829.11551.315137.851.724.61601.216175.667.227.52311.717155.265.026.52126.718174.365.426.82256.5 （1）作出散点图： 程序9 %输入数据并作出散点图 A=[]; [m,n]=size(A); subplot(3,1,1),plot(A(:,1),A(:,4),+) xlabel(x1(库存资金额)) ylabel(y(销售额)) subplot(3,1,2),plot(A(:,2),A(:,4),+) xlabel(x1(广告投入)) ylabel(y(销售额)) subplot(3,1,3),plot(A(:,3),A(:,4),+) xlabel(x1(员工薪酬)) ylabel(y(销售额)) 图4 销售额与库存资金额、广告投入、员工薪酬散点图 所的图形如图所示，可见销售额与库存资金额、广告投入、员工薪酬具有线性关系，因此??以建立三元线性回归模型（见程序10）。 程序10 x=[ones(m,1),A(:,1),A(:,2),A(:,3)]; y=A(:,4); [b,bint,r,rint,stats]=regress(y,x); b,bint,stats 由程序运行结果可知，回归模型为： 模型的可决系数为0.96，很接近1，因此回归模型有意义，模型的残差平方