数学建模与仿真-回归分析计算机模拟.pptVIP

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： 4、预测及作图： [YY,delta]=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r) 例5 财政收入预测问题：财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关。下表列出了1952-1981年的原始数据，试构造预测模型。 解 设国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资分别为x1、x2、x3、x4、x5、x6，财政收入为y，设变量之间的关系为： y= ax1+bx2+cx3+dx4+ex5+fx6 使用非线性回归方法求解。 1．? 对回归模型建立M文件model.m如下: function yy=model(beta0,X) a=beta0(1); b=beta0(2); c=beta0(3); d=beta0(4); e=beta0(5); f=beta0(6); x1=X(:,1); x2=X(:,2); x3=X(:,3); x4=X(:,4); x5=X(:,5); x6=X(:,6); yy=a*x1+b*x2+c*x3+d*x4+e*x5+f*x6; 2. 主程序liti6.m如下: X=[598.00 349.00 461.00 57482.00 20729.00 44.00 ………………………………………………………….. 2927.00 6862.00 1273.00 100072.0 43280.00 496.00]; y=[184.00 216.00 248.00 254.00 268.00 286.00 357.00 444.00 506.00 ... 271.00 230.00 266.00 323.00 393.00 466.00 352.00 303.00 447.00 ... 564.00 638.00 658.00 691.00 655.00 692.00 657.00 723.00 922.00 ... 890.00 826.00 810.0]; beta0=[0.50 -0.03 -0.60 0.01 -0.02 0.35]; betafit = nlinfit(X,y,model,beta0) betafit = 0.5243 -0.0294 -0.6304 0.0112 -0.0230 0.3658 即y= 0.5243x1-0.0294x2-0.6304x3+0.0112x4-0.0230x5+0.3658x6 结果为: 返 回 逐步回归分析 逐步回归 在大量的可选择的变量中选择哪些与y值最相关的自变量x。 变量越多，得到的回归方程稳定性变差，每个自变量累积的区间误差将增大总体误差，使得可靠性和精度降低。 但如果采用了对y影响小，而遗漏了重要变量，也会使回归方程变差 选择最优的回归方程，包含最好的x变量（对y影响大） 逐 步 回 归 逐步回归的命令是： stepwise（x，y，inmodel，alpha） 运行stepwise命令时产生三个图形窗口：Stepwise Plot，Stepwise Table，Stepwise History. 在Stepwise Plot窗口，显示出各项的回归系数及其置信区间. Stepwise Table 窗口中列出了一个统计表，包括回归系数及其置信区间，以及模型的统计量剩余标准差（RMSE）、相关系数（R-square）、F值、与F对应的概率P. 矩阵的列