Matlab中polyfit和regress.docx

 HYPERLINK /hxsyl/archive/2012/12/11/2812874.html Matlab中polyfit和regress 1.表中是道琼斯工业指数（DJIA）和标准普尔500种股票指数（SP500）1988年至1997年对应股票的收益率资料： 计算两种指数收益率的相关系数，分析其相关程度，以0.05的显著性水平检验相关系数的显著性。 1 x = [16.0 31.7 -0.4 23.9 7.4 16.8 4.9 36.4 28.6 24.9]; 2 y = [16.6 31.5 -3.2 30.0 7.6 10.1 1.3 37.6 23.0 33.4]; 3 scatter(x,y,r*); 4 xlabel(DJIA收益率（%）); 5 ylabel(SP500收益率（%）); 6 p = polyfit(x,y,1);%1表示一次函数 7 hold on; 8 xx = -5:1:40; 9 yy = polyval(p,xx); 10 plot(xx,yy,b-);%画出来的是光滑的曲线 11 grid; 12 title(回归分析表) 13 hold off; 14 [r,p,rlo,rup] = corrcorf(x,y)%相关分析 15 16 [r,p,rlo,rup] = corrcoef(x,y) 17 18 r = 19 20 1.0000 0.9481 21 0.9481 1.0000 22 23 24 p = 25 26 1.0000 0.0000 27 0.0000 1.0000 28 29 30 rlo = 31 32 1.0000 0.7903 33 0.7903 1.0000 34 35 36 rup = 37 38 1.0000 0.9880 39 0.9880 1.0000 40 41 [i,j] = find(p0.05); 42 [i,j] = find(p0.05) 43 44 i = 45 46 2 47 1 48 49 50 j = 51 52 1 53 2 54 55 %r(i,j)表示相关系数 56 %P表示假设检验的P-value值，P-value值越小表示的相关性越显著。 57 %一般以P 0.05 为显著， P0.01 为非常显著 ?附录：r(1,2) = r(2,1) = 0.9481便是相关系数，t = r*sqrt(n-2)/sqrt(1-r^2) = 8.4335，tα/2 = 2.31，则结果是显著的。 rlo和rup是r在%95可信度下的置信区间。 2.regress解决上题 1 x = [16.0 31.7 -0.4 23.9 7.4 16.8 4.9 36.4 28.6 24.9]; 2 y = [16.6 31.5 -3.2 30.0 7.6 10.1 1.3 37.6 23.0 33.4]; 3 4 scatter(x,y,r*); 5 xlabel(DJIA收益率（%）); 6 ylabel(SP500收益率（%）); 7 Y = y; 8 X = [ones(length(y),1),x]; 9 [b,bint,r,rint,stats]=regress(Y,X) 10 %下面是返回值 11 b = 12 13 -2.5086 14 1.1198 15 16 17 bint = 18 19 -9.3225 4.3052 20 0.8137 1.4259 21 22 23 r = 24 25 1.1918 26 -1.4891 27 -0.2435 28 5.7454 29 1.8221 30 -6.2040 31 -1.6784 32 -0.6522 33 -6.5177 34 8.0256 35 36 37 rint = 38 39 -10.0742 12.4578 40 -11.9810 9.0029 41 -9.6540 9.1671 42 -4.3221 15.8128 43 -8.7610 12.4052 44 -16.1645 3.7565 45 -11.9494 8.5926 46 -10.4663 9.1620 47 -15.8388