第十一讲多元线性回归模型演示文稿.pptVIP

*/15安徽财经大学AnhuiUniversityofFinanceEconomics1959Matlab实验（十一）第十一讲多元线性回归模型第十一讲多元线性回归模型演示文稿第一页，共13页。（优选）第十一讲多元线性回归模型第二页，共13页。回归分析就是根据实验数据或历史数据，研究变量之间的相关关系，建立起一个数学模型，进而将此模型用于预测或控制.一般：设Y是一个为因变量（内生变量、被解释变量），为自变量（解释变量）如果，其中是随机误差，称上述表达式为多元线性回归模型.第三页，共13页。利用多元回归模型解决实际问题有以下几个步骤：（1）作出各解释变量与因变量的散点图，根据散点图的形状决定是否可以进行线性回归；（2）建立模型求解回归系数，并对其进行检验，如果原始数据含有异常点，则应删除异常点或者引入虚拟变量加以改进模型；（3）对模型的残差进行分析，如果存在异方差，则应对模型进行调整；（4）对模型的残差进行自相关性的DW检验，如果存在自相关，则通过广义差分变换消除自相关性；（5）对模型的结果给出合理的解释.第四页，共13页。多元线性回归模型的Matlab实现多元线性回归的命令：[b,bint,r,rint,s]=regress(y,X,alpha)其中:输入y：因变量(列向量),X：1与自变量组成的矩阵，Alpha：显著性水平?（缺省时设定为0.05）s:4个统计量：可决系数R2，F值,F(1,n-2)分布大于F值的概率p，残差的误差平方和S2输出:b=（），bint:b的置信区间，r:残差(列向量)，rint:r的置信区间R2，越接近1越好；p?时回归模型有效，S2越小越好第五页，共13页。rcoplot(r,rint)然后作出残差及其置信区间图形，命令为：根据图形，如果有异常点（该点为红色），剔除异常点后再次进行回归。最后对模型进行检验：（1）残差的正态检验：由jbtest检验，h=0表明残差服从正态分布，h=1表明残差不服从正态分布（2）残差的异方差检验（3）残差的自相关性检验（后续课程介绍）第六页，共13页。例1:根据下面的数据建立血压与年龄、体重指数、吸烟习惯之间的回归模型序号血压年龄体重指数吸烟习惯序号血压年龄体重指数吸烟习惯11443924.20211363625.0022154731.11221425026.2131384522.60231203923.50??????????101545619.30301756927.41（完整数据详细见后面的程序中）第七页，共13页。说明：体重指数=体重（kg）/身高（m）的平方吸烟习惯:0表示不吸烟，1表示吸烟首先做出血压与年龄，血压与体重指数之间的散点图散点图命令为：y=[144 215 138 145 162 142 170 124 158 154162 150 140 110 128 130 135 114 116 124136 142 120 120 160 158 144 130 125 175];x1=[39 47 45 47 65 46 67 42 67 5664 56 59 34 42 48 45 18 20 1936 50 39 21 44 53 63 29 25 69];第八页，共13页。x2=[24.231.122.624.025.925.129.519.727.219.328.025.827.320.121.722.227.418.822.621.525.026.223.520.327.128.628.322.025.327.4];x3=[010110101010000100000100110101];plot(x1,y,*)figure(2);plot(x2,y,or)可见血压与年