原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数据回归分析和拟合的Matlab实现
数据回归分析和拟合的Matlab实现
本次将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 ①bint表示回归系数的区间估计. ②r表示残差 ③rint表示置信区间 ④stats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H0 ⑤alpha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];回归分析及检验
复制内容到剪贴板
代码:
? ? [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
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)
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)
x=[1097 1284 1502 1394 1303 1555 1917 2051 2111 2286 2311 2003 2435 2625 2948 3155 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]; [b,bint,r,rint,stats]=regress(y,X,0.05);%调用一元回归分析函数 rcoplot(r,r
文档评论（0）