第3章 回归分析.pptxVIP

第3章回归分析

回归分析是最常用的数据分析方法之一。它是依据已得的试验结果以及以往的经验来建立统计模型，并研究变量间的相关关系，建立起变量之间关系的近似表达式即经验公式，并由此对相应的变量进行预测和控制等.3.1一元回归模型一元线性回归模型

通常，我们对总体(x,Y)进行n次的独立观测，获得n组数据〔称为样本观测值〕(x1,y1),(x2,y2),…,(xn,yn)利用最小二乘法可以得到回归模型参数的最小二乘估计设Y是一个可观测的随机变量，它受到一个非随机变量因素x和随机误差的影响。假设Y与x有如下线性关系：(3.1.1)且E?=0,D?=?2,则称(3.1.1)为一元线性回归模型.其中?0，?1为回归系数，x为自变量，Y为因变量.?1.一元线性回归的根本概念

其中于是建立经验公式模型：(3.1.3)(3.1.2)

例3.1.1近10年来，某市社会商品零售总额与职工工资总额〔单位：亿元〕数据如下表3.1。表3.1商品零售总额与职工工资表〔单位：亿元〕建立社会商品零售总额与职工工资总额数据的回归模型工资总额23.827.631.632.433.734.943.252.863.873.4零售总额41.451.861.767.968.777.595.9137.4155.0175.0

解：%首先输入数据x=[23.80,27.60,31.60,32.40,33.70,34.90,43.20,52.80,63.80,73.40];y=[41.4,51.8,61.70,67.90,68.70,77.50,95.90,137.40,155.0,175.0];%然后作散点图plot(x,y,*)%作散点图xlabel(x(职工工资总额))%横坐标名ylabel(y(商品零售总额))%纵坐标名图3-1商品零售总额与职工工资总额数据散点图

%计算最正确参数Lxx=sum((x-mean(x)).^2);Lxy=sum((x-mean(x)).*(y-mean(y)));b1=Lxy/Lxx; b0=mean(y)-b1*mean(x);运行后得到：b1=2.7991，b0=-23.5493所以，回归模型为

2.一元多项式回归模型在一元回归模型中，假设变量y与x的关系是n次多项式，即其中?是随机误差，服从正态分布N(0，)a0,a1,…,an为回归系数，则称(3.1.4)为多项式回归模型.(3.1.4)??

p=polyfit(x,y,n)[p,S]=polyfit(x,y,n)[p,S,mu]=polyfit(x,y,n)其中，输入x,y分别为自变量与因变量的样本观测数据向量；n是多项式的阶数，对于一元线性回归则取n=1;输出p是依据降幂排列的多项式的系数向量，S是一个矩阵，用于估计预测误差或供MATLAB的其它函数的调用。(1)多项式曲线拟合在MATLAB7的统计工具箱中，有多项式曲线拟合的命令polyfit，其调用格式有以下三种：

表3.2合金的膨胀系数表解：%首先输入数据x=37:0.5:43;y=[3.4,3,3,2.27,2.1,1.83,1.53,1.7,1.8,1.9,2.35,2.54,2.9];%其次做散点图plot(x,y,‘*’)xlabel(x(两种合金之和))%横坐标名ylabel(‘y(合金膨胀系数)’)%纵坐标名%然后依据散点图预测曲线类别x3737.53838.53939.54040.54141.54242.543y3.4332.272.11.831.531.71.81.92.352.542.9例3.1.2某种合金中的主要成分为A,B两种金属，经过试验觉察：这两种金属成分之和x与合金的膨胀系数y有如下关系，建立描述这种关系的数学表达式.

由于散点图呈抛物线，应选择二次函数曲线进行拟合.p=polyfit(x,y,2)%留意取n=2运行得到回归系数：p=0.1660-13.3866271.6231?即二次回归模型为：

多项式曲线拟合预测的命令polyval，其调用格式有以下两种：Y=polyval(p,x0)[Y,Delta]=polyconf(p,x0,S,alpha)其中，输入p,S是由多项式拟合命[p,S]=polyfit(x,y,n)的输出，x0是自变量的值.输出Y是polyfit所得的回归多项式在x处的预测值。(2)多项式回归的预测与置信区间假设输入数据的误差