用MATLAB求解回歸分析

1、3、畫出殘差及其置信區(qū)間：畫出殘差及其置信區(qū)間： rcoplot（r，rint）2、求回歸系數(shù)的點(diǎn)估計(jì)和區(qū)間估計(jì)、并檢驗(yàn)回歸模型：求回歸系數(shù)的點(diǎn)估計(jì)和區(qū)間估計(jì)、并檢驗(yàn)回歸模型： b, bint,r,rint,stats=regress(Y,X,alpha)回歸系數(shù)的區(qū)間估計(jì)殘差用于檢驗(yàn)回歸模型的統(tǒng)計(jì)量，有三個(gè)數(shù)值：相關(guān)系數(shù)r2、F值、與F對(duì)應(yīng)的概率p置信區(qū)間 顯著性水平（缺省時(shí)為0.05） 相關(guān)系數(shù) r2越接近 1，說(shuō)明回歸方程越顯著； F F1-（k，n-k-1）時(shí)拒絕 H0，F(xiàn) 越大，說(shuō)明回歸方程越顯著； 與 F 對(duì)應(yīng)的概率 p時(shí)拒絕 H0，回歸模型成立.例例1 解：解：1、輸入數(shù)據(jù)：輸入

2、數(shù)據(jù)： 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;2、回歸分析及檢驗(yàn)：回歸分析及檢驗(yàn)： b,bint,r,rint,stats=regress(Y,X) b,bint,stats得結(jié)果：b = bint = -16.0730 -33.7071 1.5612 0.7194 0.6047 0.8340 stats = 0.9282 180.9531 0.0000即7194.

3、 0,073.1610；0的置信區(qū)間為-33.7017，1.5612, 1的置信區(qū)間為0.6047,0.834;r2=0.9282, F=180.9531, p=0.0000p0.05, 可知回歸模型 y=-16.073+0.7194x 成立.3、殘差分析，作殘差圖：、殘差分析，作殘差圖： rcoplot(r,rint) 從殘差圖可以看出，除第二個(gè)數(shù)據(jù)外，其余數(shù)據(jù)的殘差離零點(diǎn)均較近，且殘差的置信區(qū)間均包含零點(diǎn)，這說(shuō)明回歸模型 y=-16.073+0.7194x能較好的符合原始數(shù)據(jù)，而第二個(gè)數(shù)據(jù)可視為異常點(diǎn). 4、預(yù)測(cè)及作圖：、預(yù)測(cè)及作圖：z=b(1)+b(2)*x plot(x,Y,k+,x,

4、z,r)246810121416-5-4-3-2-101234Residual Case Order PlotResidualsCase Number多多 項(xiàng)項(xiàng) 式式 回回 歸歸 （一）一元多項(xiàng)式回歸（一）一元多項(xiàng)式回歸 （1）確定多項(xiàng)式系數(shù)的命令：p，S=polyfit（x，y，m）（2）一元多項(xiàng)式回歸命令：polytool（x，y，m）1、回歸：、回歸：y=a1xm+a2xm-1+amx+am+12、預(yù)測(cè)和預(yù)測(cè)誤差估計(jì)：、預(yù)測(cè)和預(yù)測(cè)誤差估計(jì)：（1）Y=polyval（p，x）求polyfit所得的回歸多項(xiàng)式在x處 的預(yù)測(cè)值Y；（2）Y，DELTA=polyconf（p，x，S，alpha）

5、求polyfit所得的回歸多項(xiàng)式在x處的預(yù)測(cè)值Y及預(yù)測(cè)值的顯著性為1-alpha的置信區(qū)間Y DELTA；alpha缺省時(shí)為0.5t (s)1/302/303/304/305/306/307/30s (cm)11.8615.6720.6026.6933.7141.9351.13t (s)8/309/3010/3011/3012/3013/3014/30s (cm)61.4972.9085.4499.08113.77129.54146.48方法一方法一 直接作二次多項(xiàng)式回歸：直接作二次多項(xiàng)式回歸： t=1/30:1/30:14/30; s=11.86 15.67 20.60 26.69 33.7

6、1 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48; p,S=polyfit(t,s,2)1329. 98896.652946.4892tts得回歸模型為 ：法二法二化為多元線性回歸：化為多元線性回歸：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,sta

7、ts22946.4898896.651329. 9tts得回歸模型為 ：Y=polyconf(p,t,S) plot(t,s,k+,t,Y,r)預(yù)測(cè)及作圖預(yù)測(cè)及作圖（二）多元二項(xiàng)式回歸（二）多元二項(xiàng)式回歸命令：rstool（x，y，model, alpha）nm矩陣顯著性水平（缺省時(shí)為0.05）n維列向量 例例3 設(shè)某商品的需求量與消費(fèi)者的平均收入、商品價(jià)格的統(tǒng)計(jì)數(shù) 據(jù)如下，建立回歸模型，預(yù)測(cè)平均收入為1000、價(jià)格為6時(shí) 的商品需求量.需求量10075807050659010011060收入10006001200500300400130011001300300價(jià)格5766875439方法一方

8、法一 直接用多元二項(xiàng)式回歸：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) 在畫面左下方的下拉式菜單中選”all”, 則beta、rmse和residuals都傳送到Matlab工作區(qū)中.在左邊圖形下方的方框中輸入1000，右邊圖形下方的方框中輸入6。 則畫面左邊的“Predicted Y”下方的數(shù)據(jù)變?yōu)?8.47981，即預(yù)測(cè)出平均收入為1000、價(jià)格為6時(shí)的商

9、品需求量為88.4791.在Matlab工作區(qū)中輸入命令： beta, rmse結(jié)果為: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005方法二方法二 2222211122110 xxxxy將 化為多元線性回歸：非線性回非線性回 歸歸 （1）確定回歸系數(shù)的命令： beta，r，J=nlinfit（x，y，model, beta0）（2）非線性回歸命令：nlintool（x，y，model, beta0，alpha）1、回歸：、回歸：殘差Jacobian矩陣回歸系數(shù)的初值是事先用m-文件定義的非線性

10、函數(shù)估計(jì)出的回歸系數(shù)輸入數(shù)據(jù)x、y分別為 矩陣和n維列向量，對(duì)一元非線性回歸，x為n維列向量。mn2、預(yù)測(cè)和預(yù)測(cè)誤差估計(jì)：、預(yù)測(cè)和預(yù)測(cè)誤差估計(jì)：Y，DELTA=nlpredci（model, x，beta，r，J）求nlinfit 或nlintool所得的回歸函數(shù)在x處的預(yù)測(cè)值Y及預(yù)測(cè)值的顯著性為1-alpha的置信區(qū)間Y DELTA.例例 4 對(duì)第一節(jié)例2，求解如下：2、輸入數(shù)據(jù)： x=2:16; y=6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76; beta0=8 2;3、求回歸系數(shù)

11、： beta,r ,J=nlinfit(x,y,volum,beta0)； beta得結(jié)果：beta = 11.6036 -1.0641即得回歸模型為：xey10641. 16036.114、預(yù)測(cè)及作圖： YY,delta=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r)例例5 財(cái)政收入預(yù)測(cè)問(wèn)題：財(cái)政收入與國(guó)民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝?、就業(yè)人口、固定資產(chǎn)投資等因素有關(guān)。下表列出了1952-1981年的原始數(shù)據(jù)，試構(gòu)造預(yù)測(cè)模型。 解解 設(shè)國(guó)民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝?、就業(yè)人口、固定資產(chǎn)投資分別為x1、x2、x3、x4、x5、

12、x6，財(cái)政收入為y，設(shè)變量之間的關(guān)系為：y= ax1+bx2+cx3+dx4+ex5+fx6使用非線性回歸方法求解。1 對(duì)回歸模型建立對(duì)回歸模型建立M文件文件model.m如下如下: function yy=model(beta0,X) a=beta0(1); b=beta0(2); c=beta0(3); d=beta0(4); e=beta0(5); f=beta0(6); x1=X(:,1); x2=X(:,2); x3=X(:,3); x4=X(:,4); x5=X(:,5); x6=X(:,6); yy=a*x1+b*x2+c*x3+d*x4+e*x5+f*x6; 2. 主程序主程序

13、liti6.m如下如下:X=598.00 349.00 461.00 57482.00 20729.00 44.00 . 2927.00 6862.00 1273.00 100072.0 43280.00 496.00;y=184.00 216.00 248.00 254.00 268.00 286.00 357.00 444.00 506.00 . 271.00 230.00 266.00 323.00 393.00 466.00 352.00 303.00 447.00 . 564.00 638.00 658.00 691.00 655.00 692.00 657.00 723.00 92

14、2.00 . 890.00 826.00 810.0;beta0=0.50 -0.03 -0.60 0.01 -0.02 0.35;betafit = nlinfit(X,y,model,beta0) betafit = 0.5243 -0.0294 -0.6304 0.0112 -0.0230 0.3658即y= 0.5243x1-0.0294x2-0.6304x3+0.0112x4-0.0230 x5+0.3658x6結(jié)果為結(jié)果為:逐逐 步步 回回 歸歸逐步回歸的命令是： stepwise（x，y，inmodel，alpha） 運(yùn)行stepwise命令時(shí)產(chǎn)生三個(gè)圖形窗口：Stepwise

15、Plot，Stepwise Table，Stepwise History. 在Stepwise Plot窗口，顯示出各項(xiàng)的回歸系數(shù)及其置信區(qū)間. Stepwise Table 窗口中列出了一個(gè)統(tǒng)計(jì)表，包括回歸系數(shù)及其置信區(qū)間，以及模型的統(tǒng)計(jì)量剩余標(biāo)準(zhǔn)差（RMSE）、相關(guān)系數(shù)（R-square）、F值、與F對(duì)應(yīng)的概率P.矩陣的列數(shù)的指標(biāo)，給出初始模型中包括的子集（缺省時(shí)設(shè)定為全部自變量）顯著性水平（缺省時(shí)為0.5）自變量數(shù)據(jù), 階矩陣mn因變量數(shù)據(jù)， 階矩陣1n例例6 水泥凝固時(shí)放出的熱量y與水泥中4種化學(xué)成分x1、x2、x3、 x4 有關(guān)，今測(cè)得一組數(shù)據(jù)如下，試用逐步回歸法確定一個(gè) 線性模 型

16、.1、數(shù)據(jù)輸入：、數(shù)據(jù)輸入：x1=7 1 11 11 7 11 3 1 2 21 1 11 10;x2=26 29 56 31 52 55 71 31 54 47 40 66 68;x3=6 15 8 8 6 9 17 22 18 4 23 9 8;x4=60 52 20 47 33 22 6 44 22 26 34 12 12;y=78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4;x=x1 x2 x3 x4;2、逐步回歸：、逐步回歸：（1）先在初始模型中取全部自變量：）先在初始模型中取全部自變量： s

17、tepwise(x,y)得圖Stepwise Plot 和表Stepwise Table圖圖Stepwise Plot中四條直線都是虛中四條直線都是虛線，說(shuō)明模型的顯著性不好線，說(shuō)明模型的顯著性不好從表從表Stepwise Table中看出變中看出變量量x3和和x4的顯著性最差的顯著性最差.（2）在圖）在圖Stepwise Plot中點(diǎn)擊直線中點(diǎn)擊直線3和直線和直線4，移去變量，移去變量x3和和x4移去變量移去變量x3和和x4后模型具有顯著性后模型具有顯著性. 雖然剩余標(biāo)準(zhǔn)差（雖然剩余標(biāo)準(zhǔn)差（RMSE）沒(méi)）沒(méi)有太大的變化，但是統(tǒng)計(jì)量有太大的變化，但是統(tǒng)計(jì)量F的的值明顯增大，因此新的回歸模型值明

18、顯增大，因此新的回歸模型更好更好.（3）對(duì)變量）對(duì)變量y和和x1、x2作線性回歸：作線性回歸： X=ones(13,1) x1 x2; b=regress(y,X)得結(jié)果：b = 52.5773 1.4683 0.6623故最終模型為：y=52.5773+1.4683x1+0.6623x21、考察溫度x對(duì)產(chǎn)量y的影響，測(cè)得下列10組數(shù)據(jù)：溫度（）20253035404550556065產(chǎn)量（kg）13.215.116.417.117.918.719.621.222.524.3求y關(guān)于x的線性回歸方程，檢驗(yàn)回歸效果是否顯著，并預(yù)測(cè)x=42時(shí)產(chǎn)量的估值及預(yù)測(cè)區(qū)間（置信度95%）.2、某零件上有一段曲線，為了在程序控制機(jī)床上加工這一零件，需要求這段曲線的解析表達(dá)式，在曲線橫坐標(biāo)xi處測(cè)得縱坐標(biāo)yi共11對(duì)數(shù)據(jù)如下：xi02468101214161820yi0.62.04.47.511.817.123.331.239.649.761.7求這段曲線的縱坐標(biāo)y關(guān)于橫坐標(biāo)x的二次多項(xiàng)式回歸方程.序號(hào)反應(yīng)速度 y氫 x1n 戊烷 x2異構(gòu)戊烷 x318.5547