matlab實現(xiàn)多元回歸實例_第1頁
已閱讀1頁,還剩9頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、1Matlab實現(xiàn)多元回歸實例實現(xiàn)多元回歸實例(一)一般多元回歸一般在生產(chǎn)實踐和科學研究中,人們得到了參數(shù)和因變量??nxxx????1y的數(shù)據(jù),需要求出關系式,這時就可以用到回歸分析的方法。如果只??yfx?考慮是線性函數(shù)的情形,當自變量只有一個時,即,中f??nxxx????1n?1時,稱為一元線性回歸,當自變量有多個時,即,中時,稱??nxxx????1n?2為多元線性回歸。進行線性回歸時,有4個基本假定:①因變量與自變量之間存在

2、線性關系;②殘差是獨立的;③殘差滿足方差奇性;④殘差滿足正態(tài)分布。在Matlab軟件包中有一個做一般多元回歸分析的命令regeress,調(diào)用格式如下:[bbintrrintstats]=regress(yXalpha)或者[bbintrrintstats]=regress(yX)此時,默認alpha=0.05.這里,y是一個的列向量,X是一個的矩陣,其中第一列是全其中第一列是全11n???1nm??向量(這一點對于回歸來說很重要,這一個

3、全向量(這一點對于回歸來說很重要,這一個全1列向量對應回歸方程的常數(shù)列向量對應回歸方程的常數(shù)項)項),一般情況下,需要人工造一個全,一般情況下,需要人工造一個全1列向量。列向量?;貧w方程具有如下形式:011mmyxx????????????其中,是殘差。?在返回項[bbintrrintstats]中,①是回歸方程的系數(shù);01mb???????②是一個矩陣,它的第行表示的(1alpha)置信區(qū)間;intb2m?ii?③是的殘差列向量;r1

4、n?④是矩陣,它的第行表示第個殘差的(1alpha)置信區(qū)間;intr2n?iiir注釋:殘差與殘差區(qū)間杠桿圖,最好在0點線附近比較均勻的分布,而不呈現(xiàn)一定的規(guī)律性,如果是這樣,就說明回歸分析做得比較理想。⑤一般的,返回4個值:值、F_檢驗值、閾值,與顯著性概率相關stast2Rf的值(如果這個值不存在,則,只輸出前3項)。注釋:pp30.00251.0000ans=1.00000.43410.43411.0000即,crcoef(x1

5、y)=0.0025,crcoef(x2y)=0.4341,說明沒有非常明顯的單變量線性關系。圖形如下:也看不出有線性關系,但是,旋轉(zhuǎn)圖形,可以看出所有點幾乎在一個平面上。這說明,在一個平面上,滿足線性關系:12yxx1122axaxbya????????或者,換成一個常見的形式01122yaaxax???????其中,是殘差。于是,在Matlab軟件包中做線性多元回歸,寫一個M—文件?opt_regress_hamilton:x1=[2

6、.232.573.873.103.392.833.022.143.043.263.392.352.763.903.16]x2=[9.668.944.406.644.918.528.049.057.715.115.058.516.594.906.96]y=[12.3712.6612.0011.9311.0613.0313.1311.4412.8610.8411.2011.5610.8312.6312.46]e=ones(151)x=[ex

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論