统计回点归模型举例.pptVIP

统计回归模型举例 1、用plot(x,y，‘*’)作出散点图，与常见函数曲线作比较，确定回归模型曲线； 2、用MATLAB求出相关参数，得到回归曲线； 3、讨论回归曲线模型的显著性。 1、多元线性回归命令： [b,bint,r,rint,stats]=regress(y,x,alpha) 2、一元多项式回归命令： [p,s]=polyfit(x,y,m) 3、多元二项式回归命令：rstool(x,y,’model’,alpha) 线性（linear），完全二次（quadratic), 纯二次（purequadratic),交叉（interaction) 4、非线性回归命令： [beta,r,j]=nlinfit(x,y,’model’,beta0) 令y表示公司牙膏的销售量， x1表示其它厂家与本公司价格差， x2 表示公司广告费用，则数据如下： x1=[-0.05 0.25 0.6 0 0.25 0.2 0.15 0.05 -0.15 0.15 0.2 0.1 0.4 0.45 0.35 0.3 0.5 0.5 0.4 -0.05 -0.05 -0.1 0.2 0.1 0.5 0.6 -0.05 0 0.05 0.55]; x2=[5.5 6.75 7.25 5.5 7 6.5 6.75 5.25 5.25 6 6.5 6.25 7 6.9 6.8 6.8 7.1 7 6.8 6.5 6.25 6 6.5 7 6.8 6.8 6.5 5.75 5.8 6.8]; y=[7.38 8.51 9.52 7.5 9.33 8.28 8.75 7.87 7.1 8 7.89 8.15 9.1 8.86 8.9 8.87 9.26 9 8.75 7.95 7.65 7.27 8 8.5 8.75 9.21 8.27 7.67 7.93 9.26]; 下面探讨y与x1、x2的关系： 用matlab软件作图： plot(x1,y,’*’); plot(x2,y,’*’) 运行得如下图形： x3=x2.^2; x=[ones(30,1) x1 x2 x3]; [b,bint,r,rint,stats]=regress(y,x) 运行结果： b = 17.3244，1.3070，-3.6956，0.3486 bint = 5.7282 28.9206 0.6829 1.9311 -7.4989 0.1077 0.0379 0.6594 stats = 0.9054，82.9409，0.0000，0.0490 上述模型中的回归变量x1,x2对因变量y的影响是相互独立的。即牙膏销售量y的均值与广告费x2的二次关系由回归系数β2和β3确定，而不必依赖于差价x1,同样y的均值与x1的线性关系仅由回归系数β1确定，不依赖于x2.根据直觉和经验可以猜想，x1和x2之间的交互作用也会对y有影响，不妨简单地用x1,x2的乘积来表示他们的相互作用，于是上述模型中增加一项，得到： x=[ones(30,1) x1,x2 (x2.^2) (x1.*x2)]; [b,bint,r,rint,stats]=regress(y,x) b = 29.1133 11.1342 -7.6080 0.6712 -1.4777 bint =3.7013 44.5252 1.9778 20.2906 -12.6932 -2.5228 0.2538 1.0887 -2.8518 -0.1037 stats =0.9209，72.7771，0.0000，0.0426 由于R2有所提高，所以模型(**)比模型（*）有所改进，并且参数的置信区间不再包含0点，所以有理由认为模型（**）比模型（*）更符合实际。 预测比较： x1=0.2;x2=6.5; Y=b(1)+b(2)*x1+b(3)*x2+b(4)*(x2.^2)+b(5)*(x1.*x2) Y =8.3272 例2 软件开发人员的薪金 问题：一家高技术公司人事部门为研究软件开发人员的薪金与他们的资历、管理责任、教育程度等因素之间的关系，要建立一个数学模型，以便分析公司人事策略的合理性，并作为新聘人员的薪金的参考。他们认为目前公司人员的薪金总体上是合理的，可以作为建模的依据。于是调查了46名软件开发人员的档案资料，如下表，其中资历一列指从事专业工作的年数，管理一列中：1表示管理人员，0表示非管理人员，教育一列中：1表示中学程度，2表示大学程度，3表示更高程度（研究生）。 分析与假设——按照常识，