预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共51页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

第9章回归分析实验目的一元线性回归一、数学模型二、模型参数估计三、检验、预测与控制(Ⅲ)r检验法3、预测与控制四、可线性化的一元非线性回归(曲线回归)通常选择的六类曲线如下:三、多元线性回归中的检验与预测四、逐步回归分析统计工具箱中的回归分析命令3、画出残差及其置信区间:rcoplot(r,rint)3、残差分析,作残差图:rcoplot(r,rint)法一(二)多元二项式回归在画面左下方的下拉式菜单中选”all”,则beta、rmse和residuals都传送到Matlab工作区中.结果为:b=110.53130.1464-26.5709-0.00011.8475stats=0.970240.66560.0005例4对节例2,求解如下:例5财政收入预测问题:财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关。下表列出了1952-1981年的原始数据,试构造预测模型。2.主程序liti6.m如下:逐步回归2、逐步回归:(1)先在初始模型中取全部自变量:stepwise(x,y)得图StepwisePlot和表StepwiseTable(3)对变量y和x1、x2作线性回归:X=[ones(13,1)x1x2];b=regress(y,X)2024/4/9一元线性回归分析的主要任务是:返回(Ⅰ)F检验法2、回归系数的置信区间(2)控制一、数学模型及定义返回2、预测这个过程反复进行,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。多元线性回归例1法二例3设某商品的需求量与消费者的平均收入、商品价格的统计数据如下,建立回归模型,预测平均收入为1000、价格为6时的商品需求量.在Matlab工作区中输入命令:beta,rmse4、预测及作图:[YY,delta]=nlpredci('volum',x',beta,r,J);plot(x,y,'k+',x,YY,'r')1.对回归模型建立M文件model.m如下:functionyy=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;betafit=0.5243-0.0294-0.63040.0112-0.02300.3658即y=0.5243x1-0.0294x2-0.6304x3+0.0112x4-0.0230x5+0.3658x6例6水泥凝固时放出的热量y与水泥中4种化学成分x1、x2、x3、x4有关,今测得一组数据如下,试用逐步回归法确定一个线性模型.(2)在图StepwisePlot中点击直线3和直线4,移去变量x3和x4作业4、混凝土的抗压强度随养护时间的延长而增加,现将一批混凝土作成12个试块,记录了养护日期x(日)及抗压强度y(kg/cm2)的数据: