数学建模之回归分析报告.ppt

1）了解回归分析的基本原理； 2）掌握MATLAB的实现方法； 3）练习用回归分析方法解决实际问题； 实验目的 某建材公司对某年20个地区的建材销售量Y(千方)、推销开支、实际帐目数、同类商品竞争数和地区销售潜力分别进行了统计。试分析推销开支、实际帐目数、同类商品竞争数和地区销售潜力对建材销售量的影响作用。试建立回归模型，且分析哪些是主要的影响因素。 引例：某建筑材料公司的销售量因素分析 设：推销开支——x1 实际帐目数——x2 同类商品竞争数——x3 地区销售潜力——x4 ? ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 5.5 2.5 8.0 3.0 3.0 2.9 8.0 9.0 4.0 6.5 5.5 5.0 6.0 5.0 3.5 8.0 6.0 4.0 7.5 7.0 31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59 10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9 8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11 79.3 200.1 163.2 200.1 146.0 177.7 30.9 291.9 160.0 339.4 159.6 86.3 237.5 107.2 155.0 201.4 100.2 135.8 223.3 195.0 x1 x2 x3 x4 y 1 1 1 1 . . . 1 1 1 1 1 X= 寻找关系： y = E(Y|x1,x2,x3,x4) = f(x1,x2,x3,x4) 模型： 假设： 1、因变量Y是随机变量，并且它服从正态分布； 2、f(x1,x2,x3,x4)是线性函数(非线性)； 2、多元线性回归模型 模型要解决的问题可归纳为以下几个方面： 1） 在回归模型中如何估计参数βi (i=0,1,…,m)和σ2？ 2） 模型的假设(线性)是否正确？ 3） 判断每个自变量xi (i=1,…,m)对Y的影响是否显著？ 4） 利用回归方程对试验指标 Y进行预测或控制？ 知识介绍 参数估计 假设有n个独立观测数据(xi1,xi2,…,xim,yi)， i = 1,2,…,n, 要确定回归系数 由最小二乘法 求解结果 y的估计值： 拟合误差 e = y – y 称为残差， 残差平方和 统计分析 1、β是β的线性最小方差无偏估计 2、 3、残差平方和Q， 由此得σ2的无偏估计 4、对Y的样本方差S2进行分解 回归模型的假设检验 构造F-统计量及检验H0的拒绝域： 注意：衡量y与x1,x2,…,xm相关程度的指标可以定义复相关系数R，R的值越接近于1，它们的相关程度越密切。 回归系数的检验 主要判断每个自变量xi对y的影响是否显著。 由此可得 MATLAB软件实现 b = regress (Y, X) 或 [b, bint, r, rint, stats] = regress(Y, X, alpha) 1、使用命令regress实现多元线性回归 回归系数β0,β1,…,βm以及它们的置信区间 残差向量e=Y-Y及它们的置信区间 相关系数R2，F-统计量和与F对应的概率p. 引例求解： 输入：(jzhui.m) x1=[5.5 2.5 8 3 ……8 6 4 7.5 7]’;(20维） x2=[31 55 67 …… 55 70 40 50 62 59]; x3=[10 8 12 …… 11 11 9 9]; x4=[8 6 9 16 …… 8 13 11]; y=[79.3 200.1 …… 135.8 223.3 195]; X=[ones(size(x1)),x1,x2,x3,x4]; [b,bint,r,rint,stats]=regress(y,X) 计算结果： （输出） b = 191.9158 -0.7719 3.1725 -19.6811 -0.4501 β0 β1 β2 β3 β4 bint = 103.1071 280.7245……（系数的置信区间） r =[ -6.3045 -4.2215 ……8.4422