- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
利用 Matlab作回归分析一元线性回归模型:
y x , N(0,2)
求得经验回归方程:
y x
统计量:
总偏差平方和:
n
SST (y
i
y)2
,其自由度为f
T
n 1;
回归平方和:
残差平方和:
SSR
i1
n
(y y)2
i
i1
n
,其自由度为f 1;
R
,其自由度为 ;
SSE
(y y)2
i i
i1
f n 2
E
它们之间有关系:SST=SSR+SSE。
一元回归分析的相关数学理论可以参见《概率论与数理统计教程》,下面仅以示例说明如何利用Matlab作回归分析。
【例1】为了了解百货商店销售额x与流通费率(反映商业活动的一个质量指标,指每元商品流转额所分摊的流通费用)y之间的关系,收集了九个商店的有关数据,见下表1.试建立流通费率y与销售额x的回归方程。
表1销售额与流通费率数据
样本点销售额
样本点销售额x(万元)流通费率y
1
1.5
7.0
2
4.5
4.8
3
7.5
3.6
4
10.5
3.1
5
13.5
2.7
6
16.5
2.5
7
19.5
2.4
8
22.5
2.3
9
25.5
2.2
【分析】:首先绘制散点图以直观地选择拟合曲线,这项工作可结合相关专业领域的知识和经验进行,有时可能需要多种尝试。选定目标函数后进行线性化变换,针对变换后的线性目标函数进行回归建模与评价,然后还原为非线性回归方程。
【Matlab数据处理】:
【Step1】:绘制散点图以直观地选择拟合曲线
x=[1.5 4.5 7.5 10.5 13.5 16.5 19.5 22.5 25.5];
y=[7.0 4.8 3.6 3.1 2.7 2.5 2.4 2.3 2.2];
plot(x,y,-o)输出图形见图1。
10
5
0
5 10 15 20 25
图1销售额与流通费率数据散点图
根据图1,初步判断应以幂函数曲线为拟合目标,即选择非线性回归模型,目标函数为:
y axb(b 0)
其线性化变换公式为:
v lny,u lnx
线性函数为:
v lna bu
【Step2】:线性化变换即线性回归建模(若选择为非线性模型)与模型评价
%线性化变换u=log(x);
v=log(y);
%构造资本论观测值矩阵mu=[ones(length(u),1) u];alpha=0.05;
%线性回归计算[b,bint,r,rint,states]=regress(v,mu,alpha)
输出结果:
b =[ 2.1421; -0.4259]
表示线性回归模型 v lna bu 中:lna=2.1421,b=-0.4259;即拟合的线性回归模型为
y 2.14210.4259x;
bint =[ 2.0614 2.2228; -0.4583 -0.3934]
表示拟合系数lna和b的100(1-alpha)%的置信区间分别为:[2.0614 2.2228]和[-0.4583 -0.3934];
r=[-0.0235 0.0671 -0.0030 -0.0093 -0.0404
-0.0319 -0.0016 0.0168 0.0257]
表示模型拟合残差向量;
rint =[ -0.0700 0.0230
0.0202
0.1140
-0.0873
0.0813
-0.0939
0.0754
-0.1154
0.0347
-0.1095
0.0457
-0.0837
0.0805
-0.0621
0.0958
-0.0493
0.1007]
表示模型拟合残差的100(1-alpha)%的置信区间;states =[0.9928 963.5572 0.0000 0.0012]
表示包含R2 SSR 0.9928、
SST
方差分析的F统计量F
SSR/f
R
SSE/f
E
SSRSSE/(n 2)
963.5572、
方差分析的显著性概率p P(F(1,n 2) F) 0;
模型方差的估计值2
SSE 0.0012。
n 2
【注】:严格来讲,模型评价工作应在逆线性化变换后进行;但是,若所建立的线性回归方程不理想,则相应的非线性回归方程必定不理想。
【Step3】:拟线性化变换求非线性回归方程(若选择为非线性模型)
%逆线性化变换A=exp(b(1))B=b(2)
运行结果为:A = 8.5173;B = -0.4259。
即非线性回归方程为:
y 8.5173x0.4259。
多元回归模型多元线性回归模型(p1):
y
x
x
x
,
N(0,
2)
0
11
22
p p
求得经验回归方程:
统计量:
y
文档评论(0)