用MATLAB求解回归剖析讲解.ppt

统计工具箱中的回归分析命令 多元线性回归 y=B0+B1x1+…+B,xp 确定回归系数的点估计值 b= regress(Y,ⅹ) X= 对一元线性回归,取p=1即可。  2、求回归系数的点估计和区间估计、并检验回归模型: [b, bint, r, rint, stats]regress(Y, X, alpha) 用于检验回归模型的统计量, 有三个数值:相关系数r2 F值、与F对应的概率p 相关系数r2越接近1,说明回归方程越显著 F>1a(k,nk-1)时拒绝H,F越大,说明回归方程越显著 与F对应的概率pα时拒绝H,回归模型成立 3、画出残差及其置信区间: rcoplot(r,rint)  例1解:1、输入数据: x=|143145146147149150153154155156157158159 题目 160162164 ⅹ=[ones(16,1)x] Y=8885889192939395969897969899100102]; 回归分析及检验 [b, bint, r, rint, stats]=regress(Y,X b bint stats 16.07 -33.70711 0.7194 060470.8340 stats 即Pn=-160731=0.7194;Pa的置信区间为[337017,1.5612B1的置信区间为.60470.831 12=0.9282,F=180.9531,p=0.0000 p<0.05,可知叫归模型y=16073+0.7194x成立  3、残差分析,作残差图: rcoplot(r, rint 从残差图可以看出,除第二个数据外,其余数据的残 差离零点均较近,且残差的置信区间均包含零点,这说明 回归模型y=-16.073+0.7194x能较好的符合原始数据,而第 二个数据可视为异常点 sana case Det Aet 预测及作图: olot(x,Y,k+, X, z, 'r,)  多项式回归 (一)一元多项式回归y=a1xm+a2xm1+.+am1X+amn+1 1、回归 (1)确定多项式系数的命令:Ip,S= polyfit(x,y,m) 其中x=(x1,x2,…,x2),y=(y,y2,……,yn); a)是多项式y=a1x"+a2xm+…+amx+am+1 的系数;S是一个矩阵,用来估计预测误差. (2)一元多项式回归命令: polytool( 预测和预测误差估计: (1)Y= polyol(p,x)求 polyfit所得的回归多项式在 处的预测值Y (2)[Y, DELTA]=polyconf (p, x,S, alpha) yk polyfit所得的回归多项式在x处的预测值Y及预测值的 显著性为 l- alpha的置信区间 Y DELTA; alpha缺省时为0.5