matlab回归分析完整版.pptx

实验目的实验内容2、掌握用数学软件求解回归分析问题。1、直观了解回归分析基本内容。1、回归分析的基本理论。3、实验作业。2、用数学软件求解回归分析问题。

2024/11/72一元线性回归多元线性回归回归分析数学模型及定义*模型参数估计*检验、预测与控制可线性化的一元非线性回归（曲线回归）数学模型及定义*模型参数估计*多元线性回归中的检验与预测逐步回归分析

2024/11/73一、数学模型例1测16名成年女子的身高与腿长所得数据如下：以身高x为横坐标，以腿长y为纵坐标将这些数据点（xI，yi）在平面直角坐标系上标出.散点图解答

2024/11/74一元线性回归分析的主要任务是：返回

2024/11/75二、模型参数估计1、回归系数的最小二乘估计

2024/11/76返回

2024/11/77三、检验、预测与控制1、回归方程的显著性检验

2024/11/78（Ⅰ）F检验法（Ⅱ）t检验法

2024/11/79（Ⅲ）r检验法

2024/11/7102、回归系数的置信区间

2024/11/7113、预测与控制（1）预测

2024/11/712（2）控制返回

2024/11/713四、可线性化的一元非线性回归（曲线回归）例2出钢时所用的盛钢水的钢包，由于钢水对耐火材料的侵蚀，容积不断增大.我们希望知道使用次数与增大的容积之间的关系.对一钢包作试验，测得的数据列于下表：解答

2024/11/714散点图此即非线性回归或曲线回归问题（需要配曲线）配曲线的一般方法是：

2024/11/715通常选择的六类曲线如下：返回

2024/11/716一、数学模型及定义返回

2024/11/717二、模型参数估计

2024/11/718返回

2024/11/719三、多元线性回归中的检验与预测（Ⅰ）F检验法（Ⅱ）r检验法(残差平方和）

2024/11/7202、预测（1）点预测（2）区间预测返回

2024/11/721四、逐步回归分析（4）“有进有出”的逐步回归分析。（1）从所有可能的因子（变量）组合的回归方程中选择最优者；（2）从包含全部变量的回归方程中逐次剔除不显著因子；（3）从一个变量开始，把变量逐个引入方程；选择“最优”的回归方程有以下几种方法：“最优”的回归方程就是包含所有对Y有影响的变量,而不包含对Y影响不显著的变量回归方程。以第四种方法，即逐步回归分析法在筛选变量方面较为理想.

2024/11/722这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。逐步回归分析法的思想：从一个自变量开始，视自变量Y作用的显著程度，从大到地依次逐个引入回归方程。当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉。引入一个自变量或从回归方程中剔除一个自变量，为逐步回归的一步。对于每一步都要进行Y值检验，以确保每次引入新的显著性变量前回归方程中只包含对Y作用显著的变量。返回

2024/11/723统计工具箱中的回归分析命令1、多元线性回归2、多项式回归3、非线性回归4、逐步回归返回

2024/11/724多元线性回归b=regress(Y,X)1、确定回归系数的点估计值：

2024/11/7253、画出残差及其置信区间：rcoplot（r，rint）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)回归系数的区间估计残差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置信区间显著性水平（缺省时为0.05）

2024/11/726例1解：1、输入数据：x=[143145146147149150153154155156157158159160162164];X=[ones(16,1)x];Y=[8885889192939395969897969899100102];2、回归分析及检验：[b,bint,r,rint,stats]=regress(Y,X)b,bint,statsToMATLAB(liti11)题目

2024/11/7273、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