stepwise 分析.pptVIP

（二）多元二项式回归 命令：rstool（x，y，’model’, alpha） n?m矩阵 显著性水平 （缺省时为0.05） n维列向量 例3 设某商品的需求量与消费者的平均收入、商品价格的统计数 据如下，建立回归模型，预测平均收入为1000、价格为6时 的商品需求量. 法一 直接用多元二项式回归： x1=[1000 600 1200 500 300 400 1300 1100 1300 300]; x2=[5 7 6 6 8 7 5 4 3 9]; y=[100 75 80 70 50 65 90 100 110 60]; x=[x1 x2]; rstool(x,y,purequadratic) 在画面左下方的下拉式菜单中选”all”, 则beta、rmse和residuals都传送到Matlab工作区中. 在左边图形下方的方框中输入1000，右边图形下方的方框中输入6。 则画面左边的“Predicted Y”下方的数据变为88.47981，即预测出平均收入为1000、价格为6时的商品需求量为88.4791. 在Matlab工作区中输入命令： beta, rmse 结果为: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005 法二 将 化为多元线性回归： 16.3.3　非线性回 归 （1）确定回归系数的命令： [beta，r，J]=nlinfit（x，y，’model’, beta0） （2）非线性回归命令：nlintool（x，y，’model’, beta0，alpha） 1、回归： 残差 Jacobian矩阵 回归系数的初值 是事先用m-文件定义的非线性函数 估计出的回归系数 输入数据x、y分别为 矩阵和n维列向量，对一元非线性回归，x为n维列向量。 2、预测和预测误差估计： [Y，DELTA]=nlpredci（’model’, x，beta，r，J） 求nlinfit 或nlintool所得的回归函数在x处的预测值Y及预测值的显著性为1-alpha的置信区间Y DELTA. 例 4 对第一节例2，求解如下： 2、输入数据： x=2:16; y=[6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76]; beta0=[8 2]; 3、求回归系数： [beta,r ,J]=nlinfit(x,y,volum,beta0)； beta 得结果：beta = 11.6036 -1.0641 即得回归模型为： * 西南科技大学网络教育 数学建模与数学实验 第十六章 回归分析 一元线性回归 多元线性回归 回归分析 数学模型及定义 *模型参数估计 *检验、预测与控制 可线性化的一元非线 性回归(曲线回归） 数学模型及定义 *模型参数估计 *多元线性回归中的 检验与预测 逐步回归分析 16.1.1　数学模型 例1 测16名成年女子的身高与腿长所得数据如下： 以身高x为横坐标，以腿长y为纵坐标将这些数据点（xI，yi）在平面直角坐标系上标出. 散点图 16.1　一元线性回归分析 一元线性回归分析的主要任务是： 16.1.2　模型参数估计 1、回归系数的最小二乘估计 16.1.3　检验、预测与控制　 1、回归方程的显著性检验 （Ⅰ）F检验法 （Ⅱ）t检验法 （Ⅲ）r检验法 2、回归系数的置信区间 3、预测与控制 （1）预测 （2）控制 16.1.4　可线性化的一元非线性回归（曲线回归） 例2 出钢时所用的盛钢水的钢包，由于钢水对耐火材料的侵蚀， 容积不断增大.我们希望知道使用次数与增大的容积之间的关 系.对一钢包作试验，测得的数据列于下表： 散 点 图 此即非线性回归或曲线回归 问题（需要配曲线） 配曲线的一般方法是： 通常选择的六类曲线如下： 16.2.1　数学模型及定义 16.2　多元线性回归分析 16.2　模型参数估计 16.2.3　多元线性回