Matlab多变量回归分析教程.docVIP

本次教程的主要内容包含：一、多元线性回归??2#多元线性回归：regress二、多项式回归??3#一元多项式：polyfit或者polytool多元二项式：rstool或者rsmdemo三、非线性回归??4#非线性回归：nlinfit四、逐步回归??5#逐步回归：stepwise一、多元线性回归 多元线性回归：??1、b=regress(Y, X )?? ? 确定回归系数的点估计值???2、[b, bint,r,rint,stats]=regress(Y,X,alpha)? ?? ? 求回归系数的点估计和区间估计、并检验回归模型bint表示回归系数的区间估计.r表示残差rint表示置信区间stats表示用于检验回归模型的统计量,有三个数值：相关系数r2、F值、与F对应的概率p说明：相关系数r2越接近1，说明回归方程越显著；??时拒绝H0，F越大，说明回归方程越显著；与F对应的概率pα时拒绝H0alpha表示显著性水平(缺省时为0.05)3、rcoplot(r,rint)? ???画出残差及其置信区间具体参见下面的实例演示4、实例演示，函数使用说明(1)输入数据 x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]; X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]; 复制代码 (2)回归分析及检验 ? ? [b,bint,r,rint,stats]=regress(Y,X) b = ??-16.0730 ? ? 0.7194 bint = ??-33.7071? ? 1.5612 ? ? 0.6047? ? 0.8340 r = ? ? 1.2056 ? ?-3.2331 ? ?-0.9524 ? ? 1.3282 ? ? 0.8895 ? ? 1.1702 ? ?-0.9879 ? ? 0.2927 ? ? 0.5734 ? ? 1.8540 ? ? 0.1347 ? ?-1.5847 ? ?-0.3040 ? ?-0.0234 ? ?-0.4621 ? ? 0.0992 rint = ? ?-1.2407? ? 3.6520 ? ?-5.0622? ?-1.4040 ? ?-3.5894? ? 1.6845 ? ?-1.2895? ? 3.9459 ? ?-1.8519? ? 3.6309 ? ?-1.5552? ? 3.8955 ? ?-3.7713? ? 1.7955 ? ?-2.5473? ? 3.1328 ? ?-2.2471? ? 3.3939 ? ?-0.7540? ? 4.4621 ? ?-2.6814? ? 2.9508 ? ?-4.2188? ? 1.0494 ? ?-3.0710? ? 2.4630 ? ?-2.7661? ? 2.7193 ? ?-3.1133? ? 2.1892 ? ?-2.4640? ? 2.6624 stats = ? ? 0.9282??180.9531? ? 0.0000? ? 1.7437 复制代码 运行结果解读如下参数回归结果为??，对应的置信区间分别为[-33.7017,1.5612]和[0.6047,0.834]r2=0.9282(越接近于1，回归效果越显著)，F=180.9531， p=0.0000，由p0.05, 可知回归模型 y=-16.073+0.7194x成立(3)残差分析 作残差图 rcoplot(r,rint) 复制代码 从残差图可以看出，除第二个数据外,其余数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型 y=-16.073+0.7194x能较好的符合原始数据，而第二个数据可视为异常点。(4)预测及作图 z=b(1)+b(2)*x plot(x,Y,k+,x,z,r) 二、多项式回归 一元多项式回归 1、一元多项式回归函数? ?? ???(1)[p,S]=polyfit(x,y,m)? ?? ?确定多项式系数的MATLAB命令说明：x=(x1,x2,…,xn),y=(y1,y2,…,yn)；p=(a1,a2,…,am+1)是多项式y=a1xm+a2xm-1+…+amx+am+1的系数；S是一个矩阵,用来估计预测误差(2)polytool(x,y,m)? ? 调用多项式回归GUI界面，参数意义同polyfit2、预测和预测误差估计(1)Y=polyval(p,x)? ???求polyfit所得的回归多项式在x处的预测值Y(2)[Y,DELTA]