数学建模作业实验7多元分析实验.docxVIP

实验7多元分析实验回归分析解：（1）根据题意，对数据利用R软件作出散点图 x-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4) y-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) plot(x,y, xlab=X, ylab=Y, cex=1.4, pch=19, col=red)得到如下图像：分析图像，数据点大致落在一条直线附近，说明变量x和y之间大致可看作线性关系，假定有如下结构式：y=β0+β1x+ε其中β0和β1是未知常数，为回归系数，ε为其它随机因素对灌溉面积的影响，ε服从正态分布N(0,σ2)。利用R软件进行一元线性回归分析，并提取相应的计算结果： x-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4) y-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) lm.sol-lm(y ~ 1+x) summary(lm.sol)得到如下结果：Call:lm(formula = y ~ 1 + x)Residuals: Min 1Q Median 3Q Max -128.591 -70.978 -3.727 49.263 167.228 Coefficients: Estimate Std. Error t value Pr(|t|) (Intercept) 140.95 125.11 1.127 0.293 x 364.18 19.26 18.908 6.33e-08 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 96.42 on 8 degrees of freedomMultiple R-squared: 0.9781, Adjusted R-squared: 0.9754 F-statistic: 357.5 on 1 and 8 DF, p-value: 6.33e-08Estimate项中给出了回归方程的系数估计，即β0=140.95；β1=364.18观查其中的评价参数易知对于β0项的估计并不是很准确，不显著。但该方程总体通过了F统计数的检验，其p值为6.33e-080.05由此得到的回归方程为：Y=140.95+364.18X（2）若现测得今年的数据是X=7米，则有X=X0=7，置信水平为0.95，此时利用R软件求解，编程如下： new-data.frame(x=7) predict(lm.sol,new,+ interval=prediction,+ level=0.95)得到如下结果：fit lwr upr1 2690.227 2454.971 2925.484得到灌溉面积的预测值为2690.227、预测区间2454.971和置信区间(α=0.05)为2925.484。（3）利用R软件做出图像并保存，编程如下：先重复回归线性分析： x-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4) y-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) plot(x,y, xlab=X, ylab=Y, cex=1.4, pch=19, col=red) lm.sol-lm(y ~ 1+x) summary(lm.sol)做出图像： abline(lm.sol, lwd=2, col=blue) segments(x, fitted(lm.sol), x, y, lwd=2, col=blue)标注图像： ex1-expression(paste((, x[i], ,, y[i],))) ex2-expression(paste((, x[i], ,, hat(y)[i],))) points(x[8], fitted(lm.sol)[8], pch=19, cex=1.4, col=blue) text(c(5.7, 5.7), c(2400, 2100), labels = c(ex1, ex2))保存图像： savePlot(regression, type=eps)最终得到的图像如图所示：由图像可以直观看出此线性回归的拟合对于前4年的拟合误差比较大，误差最大的是第2年。对于