数值计算05-回归分析2.ppt

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： y=[71.54 73.92 73.27 71.20 73.91 72.54 70.66 71.85 71.08 71.29,74.70 65.49 68.95 73.34 65.96 72.37 70.07 72.55 71.65 71.73,73.10 67.47 69.87 67.41 78.14 76.10 74.91 72.91 70.17 66.03 64.37]; x1=[12857 24495 24250 10060 29931 18243 10763 9907 13255 9088 33772 8744 11494 20461 5382 19070 10935 22007 13594 11474 14335 7898 17717 15205 70622 47319 40643 11781 10658 11587 9725]; x2=[66.165 71.25 70.135 65.125 69.99 65.765 67.29 67.71 66.525 67.13,69.505 56.775 66.01 67.97 62.9 66.1 64.51 68.385 66.205 65.77,67.065 63.605 64.305 60.485 70.29 69.345 68.415 66.495 65.765 63.28 62.84]; x=[x1,x2]; rstool(x,y,purequadratic) 四、非线性回 归 在实际问题中，变量之间常常不是直线关系。这时，通常是选配一条比较接近的曲线，通过变量变换把非线性方程加以线性化，然后对线性化的方程应用最小二乘法求解回归方程。该方法也称为曲线回归。 非线性回归的步骤： 通常选择的六类曲线及线性化方法如下： 令 则 令 则 令 则 通常选择的六类曲线及线性化方法如下： 令 则 令 则 则 令 许多曲线都可以变换化为直线， 可以按照直线拟合的办法来处理。 非线性回归模型记作 其中 对回归系数 是非线性的， 。 注意：回归分析是对变换后的数据进行的，所得结果也是对变换后的数据来说是最佳拟合，当在变换会原数据坐标时，所得的回归曲线，严格地说并不是最佳拟合，但一般拟合程度还是令人满意的。 非线性回归 的matlab命令函数 （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