用MATLAB求解回归分析.pptxVIP

第1页/共32页解：1、输入数据： x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]; X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102];例1题目2、回归分析及检验： [b,bint,r,rint,stats]=regress(Y,X) b,bint,stats第一页，共33页。第2页/共32页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. 4、预测及作图：z=b(1)+b(2)*x plot(x,Y,k+,x,z,r)第二页，共33页。第3页/共32页1、回归：（1）确定多项式系数的命令：[p，S]=polyfit（x，y，m）（2）一元多项式回归命令：polytool（x，y，m）多 项 式 回 归 y=a1xm+a2xm-1+…+amx+am+1（一）一元多项式回归 2、预测和预测误差估计：（1）Y=polyval（p，x）求polyfit所得的回归多项式在x处 的预测值Y；（2）[Y，DELTA]=polyconf（p，x，S，alpha）求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1-alpha的置信区间Y DELTA；alpha缺省时为0.5第三页，共33页。第4页/共32页得回归模型为 ：方法一 直接作二次多项式回归： t=1/30:1/30:14/30; s=[11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48]; [p,S]=polyfit(t,s,2)第四页，共33页。第5页/共32页得回归模型为 ：法二化为多元线性回归：t=1/30:1/30:14/30;s=[11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48];T=[ones(14,1) t (t.^2)];[b,bint,r,rint,stats]=regress(s,T);b,stats预测及作图Y=polyconf(p,t,S) plot(t,s,k+,t,Y,r)第五页，共33页。第6页/共32页显著性水平（缺省时为0.05）n?m矩阵n维列向量（二）多元二项式回归命令：rstool（x，y，’model’, alpha）第六页，共33页。第7页/共32页 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.方法一 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)第七页，共33页。第8页/共32页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.第八页，共33页。第9页/共32页在Matlab工作区中输入命令： beta, rmse第九页，共33页。第10页/共32页将 化为多元线性回归：方法二结果为: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005第十页，共33页。第11页/共32页是事先用m-文件定义的非线性函数残差输入数据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。回归系数的初值估计出的回归系数Jacobian矩阵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.非线性回 归 1