数值计算05回归分析汇编.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： * 24 数值计算 第五章 回归分析 其中x 表示父亲身高， y 表示成年儿子的身高（单位：英寸，1英寸=2.54厘米）。 Galton公式: y(cm) x(cm) 160.07 150 168.23 160 173.39 170 178.55 180 183.71 190 188.87 200 194.03 210 回归分析的内容 回归分析在一组数据的基础上研究这样几个问题： （i）建立因变量y与自变量x 1, x2 ,… , xm 之间的回归模型（经验公式）； （ii）对回归模型的可信度进行检验； （iii）判断每个自变量x i(i=1,2,…,m) 对y 的影响是否显著； （iv）诊断回归模型是否适合这组数据； （v）利用回归模型对y 进行预报或控制。 回归模型的类型 一个自变量 两个及两个以上自变量 回归模型 多元回归 一元回归 线性回归 非线性 回归 线性回归 曲线 回归 例1 从某大学中随机选取8名女大学生，其身高和体重数据如表1-1所示。 59 43 61 64 54 50 57 48 体重/kg 170 155 165 175 170 157 165 165 身高/cm 8 7 6 5 4 3 2 1 编号 求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm的女大学生的体重。 解：1、选取身高为自变量x，体重为因变量y，作散点图： 一、 一元线性回归模型 2.回归方程： 探究：身高为172cm的女大学生的体重一定是60.0369kg吗？如果不是，你能解析一下原因吗？ 答：用这个回归方程不能给出每个身高为172cm的女大学生的体重的预测值，只能给出她们平均体重的估计值。因为散点图中的样本点散布在这条直线的附近，而不是在直线上，所以用一次函数求得的数据不是她体重的标准值。 身高172cm的女大学生体重是 由于所有的样本点不共线，而只是散布在某一直线的附近，所以身高和体重的关系可以用线性回归模型来表示： 其中a和b为模型的未知参数， 称为随机误差. X Yi Y 。 。 。 。 。 一元线性回归分析的主要任务是： 1、确定回归系数的点估计值：b=regress( Y, X ) 2、求回归系数的点估计和区间估计、并检验回归模型： [b, bint,r,rint,stats]=regress(Y,X,alpha) 3、画出残差及其置信区间：rcoplot（r，rint） 一元回归的Matlab实现