多元逐步回歸分析程序

1、多元逐步回歸分析算法2010年05月04日星期二下午04:35自己編寫(xiě)的多元逐步回歸分析算法matlab程序，在matlab工具箱中已經(jīng)提供了一個(gè)可視化的圖形界面分析窗口，但是一些具體的參數(shù)還不能直接得到，這里自己編寫(xiě)了一個(gè)小程序，希望對(duì)需要的能夠提供一定的幫助。共兩個(gè)文件：dyzbhg.m和xiaoqu.m第一個(gè)函數(shù)dyzbhg.mfunctiondyzbhg(xy)%多元逐步回歸分析%乍者：唐世星%2006.11.20%xy為待輸入的原始數(shù)據(jù)，按照先x后y按列排列的數(shù)組瀏：x1x2x3x4y等等%clc;%clearall;%計(jì)算離差陣R(m,m)n,m=size(xy);%F1=0;F2

2、=0;%disp(土勻值為:)xy_aver=mean(xy)%求均值fori=1:mforj=1:iR(i,j)=0;fork=1:nR(i,j)=R(i,j)+(xy(k,i)-xy_aver(i)*(xy(k,j)-xy_aver(j);endR(j,i)=R(i,j);endSR(i)=sqrt(R(i,i);%計(jì)算對(duì)角線元素的平方根end%disp(*DeviationMatrix&ValueofSR(離差陣R&SR)*)%輸出離差陣R,及SR%RSR%計(jì)算相關(guān)系數(shù)R(m,m)fori=1:mforj=1:iR(i,j)=R(i,j)/(SR(i)*SR(j);R(j,i)=R(i,

3、j);endend相關(guān)系數(shù)陣R)%disp(*CorrelationCoefficientMatrix(*輸出相關(guān)系數(shù)陣R%Rflag=1;%是否重復(fù)進(jìn)行逐步回歸的標(biāo)志while(flag)disp(*StepwiseRegressionAnalysisStart*)F1=input(剔除門(mén)坎值:F1=);F2=input(引入門(mén)坎值：F2=);S=0;%計(jì)算步數(shù)L=0;%引入方程的自變量個(gè)數(shù)FQ=n-1;%殘差平方和的自由度disp(*DiscriminantValueofContributionV*)Imin(1)=0;Imax=1:m-1;%定義已引入(最小)和未引入(最大)變量的序號(hào)i

4、nn=0;outt=0;%引入和剔除的變量的順序號(hào)while(1)%pauseVN=1E+08;%已引入方程的自變量貢獻(xiàn)的最小值VX=0;%未引入方程的自變量貢獻(xiàn)的最大值IN=0;%貢獻(xiàn)最小的已引入的自變量序號(hào)IX=0;%貢獻(xiàn)最大的未引入的自變量序號(hào)S=S+1;disp(step=int2str(S)%輸出步驟數(shù)fori=1:m-1ifR(i,i)=0ifV(i)VX%尋找未引入變量方差貢獻(xiàn)的最大值forin=1:length(Imax)ifi=Imax(in)VX=V(i);IX=i;endendendendifabs(V(i)forout=1:length(Imin)ifi=Imin(ou

5、t)VN=abs(V(i);IN=i;endendend%disp(方差貢獻(xiàn):V=num2str(V(i)VX=num2str(VX)IX=int2str(IX)VN=num2str(VN)IN=int2str(IN)end%Imax(inn+1)=IX;inn=inn+1;t=find(Imax=IX);Imax(t)=;disp(*方差貢獻(xiàn)V*num2str(V)輸出輸出輸出disp(VMAX=num2str(VX);IMAX=int2str(IX)%Vmax=VX;Imax=IX;%disp(VMIN=num2str(VN);IMIN=int2str(IN)%Vmin=VN;Imin=I

6、N;ifS=1disp(S=int2str(S)%輸出S=1elsedisp(VMIN=num2str(VN);IMIN=int2str(IN)%Vmin=VN;Imin=IN;endifS=1%|S=2|S=3FE=VX*(n-L-2)/(R(m,m)-VX);disp(FE=num2str(FE)%輸出FEifFEifL-=0disp(NeitherDeleteOutNorSelectIn!)elsedisp(MayBeSmallerF1AndF2)disp(TheStepwiseRegressionAnalysisEnd!)break;%程序結(jié)束endelseL=L+1;FQ=FQ-1;

7、K=IX;disp(Xint2str(K)BeSelectedIn)Imin(outt+1)=IX;outt=outt+1;disp(L=int2str(L)R=xiaoqu(R,K)%調(diào)用子函數(shù)，執(zhí)行消去變換ifL=m-1continue;enddisp(AlreadySelectingEnd)break;endelse%計(jì)算剔除變量的F檢驗(yàn)值FT=VN*(n-L-1)/R(m,m);disp(剔除變量的F檢驗(yàn)值num2str(FT)ifFT=F2FE=VX*(n-L-2)/(R(m,m)-VX);disp(*FE=num2str(FE)%輸出FEifFEifL=0disp(NeitherD

8、eleteOutNorSelectIn!)disp(TheStepwiseRegressionAnalysisEnd!)break;%程序結(jié)束elsedisp(MayBeSmallerF1AndF2)disp(TheStepwiseRegressionAnalysisEnd!)break;%程序結(jié)束endelseL=L+1;FQ=FQ-1;K=IX;disp(Xint2str(K)BeSelectedIn)disp(L=int2str(L)Imin(outt+1)=IX;outt=outt+1;R=xiaoqu(R,K)%調(diào)用子函數(shù)，執(zhí)行消去變換ifL=m-1continue;enddisp(

9、AlreadySelectingEnd)break;endelseL=L-1;FQ=FQ+1;K=IN;disp(Xint2str(K)BeDeletedOut)disp(L=int2str(L)(No.ofVariableSelected)R=xiaoqu(R,K)%調(diào)用子函數(shù)continueendendend%輸出相應(yīng)的計(jì)算結(jié)果fori=1:m-1kk=R(i,m)*R(m,i);ifkk0disp(+num2str(B(i)Xint2str(i);elsedisp(num2str(B(i)Xint2str(i);endendendQ=SR(m)A2*R(m,m);%殘差平方和disp(S

10、umofSQuaresofResidualError(殘差平方和)Q=num2str(Q)S=SR(m)*sqrt(R(m,m)/FQ);%剩余標(biāo)準(zhǔn)差disp(StandardDeviation(剩余標(biāo)準(zhǔn)差，即模型誤差的均方根)S=num2str(S)RR=sqrt(1-R(m,m);%復(fù)相關(guān)系數(shù)disp(MultipleCorrelationCoefficient(復(fù)相關(guān)系數(shù))R=num2str(RR)FF=FQ*(1-R(m,m)/(L*R(m,m);%回歸方程顯著性檢驗(yàn)的F值disp(FValueforTestofRegression(回歸方程顯著性檢驗(yàn)，即回歸模型的統(tǒng)計(jì)量)F=num2

11、str(FF)%F=SH*(m-n-1)/(SX*n);%F-統(tǒng)計(jì)量%PROB=1-fcdf(FF,m,n-length(Imin)-1)%與統(tǒng)計(jì)量F對(duì)應(yīng)的概率Pfori=1:m-1CC=R(i,i)*R(m,m);T(i)=R(i,m)/sqrt(CC/FQ);%各回歸系數(shù)的t檢驗(yàn)值各自變量的偏相關(guān)系數(shù)各回歸系數(shù)的t檢驗(yàn)伯：）:各自變量的偏相關(guān)系數(shù)）:R1(i)=R(i,m)/sqrt(CC+R(i,m)A2);%enddisp(tTestValueofArgument(num2str(T)disp(PartialCorre.Coeffi.Ofargu.(num2str(R1)%fori=1:n%y(i)=B0;%forj=1:m-1%y(i)=y(i)+B(j)*xy(i,j);%end%E(i)=xy(i,m)-y(i);%PC(i)=E(i)/xy(1,m)*100;%end%x=1:length(xy);%disp(No.回歸值誤差誤差百分比)%xyEPCflag=input(是否重新進(jìn)行逐步回歸分析(1:是;0:否)：)；end第二個(gè)函數(shù)xiaoqu.mfunctionR=