matlab多元線性回歸模型

1、云南大學數(shù)學與統(tǒng)計學實驗教學中心實驗報告課程名稱：數(shù)學實驗學期：20102011學年下學期成績：指導教師：學生姓名：學生學號：實驗名稱：回歸分析實驗編號：六實驗日期：6月6日實驗學時：2學院：專業(yè)：信息與計算科學年級：一、實驗目的1,熟悉MATLAB勺運行環(huán)境.2.學會初步建立數(shù)學模型的方法3,運用回歸分析方法來解決問題二、實驗內(nèi)容實驗一：某公司出口換回成本分析對經(jīng)營同一類產(chǎn)品出口業(yè)務的公司進行抽樣調(diào)查，被調(diào)查的13家公司，其出口換匯成本與商品流轉(zhuǎn)費用率資料如下表。試分析兩個變量之間的關(guān)系，并估計某家公司商品流轉(zhuǎn)費用率是6.5%的出口換匯成本.公司出口換匯成本（人民幣元/美元）商品流轉(zhuǎn)費用率（

2、%）公司出口換匯成本（人民幣元/美元）商品流轉(zhuǎn)費用率（%）11.404.2081.605.5021.205.3092.004.1031.007.10101.005.0041.903.70111.604.0051.306.20121.803.4062.403.50131.406.9071.404.80實驗二：某建筑材料公司的銷售量因素分析下表數(shù)據(jù)是某建筑材料公司去年20個地區(qū)的銷售量（Y,千方），推銷開支、實際帳目數(shù)、同類商品競爭數(shù)和地區(qū)銷售潛力分別是影響建筑材料銷售量的因素。1)試建立回歸模型，且分析哪些是主要的影響因素。2)建立最優(yōu)回歸模型。地區(qū)i推銷開支(x1)實際帳目數(shù)(x2)同類商品競

3、爭數(shù)(x3)地區(qū)銷售潛力(x4)銷售量Y15.53110879.322.55586200.138.067129163.243.050716200.153.038815146.062.9711217177.778.03012830.989.056510291.994.04284160.0106.573516339.4115.560117159.6125.044121286.3136.05066237.5145.039104107.2153.555104155.0168.070614201.4176.040116100.2184.050118135.8197.562913223.3207.0599

4、11195.0提示：建立一個多元線性回歸模型。三、實驗環(huán)境Windows操作系統(tǒng)；MATLAB7.0.四、實驗過程實驗一：運用回歸分析在MATLAEB!實現(xiàn)輸入：x=4.205.307.103.706.203.504.805.504.105.004.003.406.90'X=ones(13,1)x;Y=1.401.201.001.901.302.401.401.602.001.001.601.801.40'plot(x,Y,'*');b,bint,r,rint,stats=regress(Y,X,0.05);輸出：b=2.6597-0.2288bint=1.88

5、733.4322-0.3820-0.0757stats=0.495810.81680.00720.0903即為=2.6597,?,1=-0.2288,用的置信區(qū)間為1.88733.4324區(qū)1的置信區(qū)間為-0.38202一_一，八r=0.4958,F=10.8168,p=0.0072因P<0.05,可知回歸模型y=2.6597-0.2288x成立.-0.0757;2.5散點圖21.533.544.555.566.577.5估計某家公司商品流轉(zhuǎn)費用率是6.5%的出口換匯成本。將x=6.5代入回歸模型中，得到>>x=6.5;>>y=2.6597-0.2288*xy=1

6、.1725實驗二：在MATLAB!實現(xiàn)，首先建立回歸模型輸出：x1=5.52.58.03.03.02.98.09.04.06.55.55.06.05.03.58.06.04.07.57.0'x2=3155675038713056427360445039557040506259'x3=108127812125851112610106111199'x4=86916151781041671264414681311'Y=79.3200.1163.2200.1146.0177.730.9291.9160.0339.4159.686.3237.5107.2155.0201.

7、4100.2135.8223.3195.0'X=ones(20,1)x1x2x3x4;b,bint,r,rint,stats=regress(Y,X,0.05);b,bint,stats輸出：b=191.9158-0.77193.1725-19.6811-0.4501bint=103.1071280.7245-7.14455.60072.06404.2809-25.1651-14.1972-3.72842.8283stats=0.903435.05090.0000644.6510即%=191.9158/產(chǎn)-0.7719居=3.172533=-19.6811%=-0.4501;陷的置信區(qū)

8、間為103.1071280.7245;肉的置信區(qū)間為-7.14455.6007;僅2的置信區(qū)間為2.06404.2809;眩的置信區(qū)間為-25.1651-14.1972;僅4的置信區(qū)間為-3.72842.8283;2r=0.9034,F=35.0509,p=0.0000因P<0.05,可知回歸模型y=191.9158-0.7719x1+3.1725*x2-19.6811*x3-0.4501*x4成立.分析哪些是主要的影響因素輸入：x1=5.52.58.03.03.02.98.09.04.06.55.55.06.05.03.58.06.04.07.57.0'x2=315567503

9、8713056427360445039557040506259'x3=108127812125851112610106111199'x4=86916151781041671264414681311'Y=79.3200.1163.2200.1146.0177.730.9291.9160.0339.4159.686.3237.5107.2155.0201.4100.2135.8223.3195.0'X=x1x2x3x4;stepwise(X,Y);X1esmr1234XXXXesmr6.534440.77680.4473-4.028714.41920.00039一-

10、23.935-5.38770.00006395711740100989rrfrrCoefficientswithErrorBarsCoeff.t-statp-val-30-20-1001020x2x4Nextstep:MoveX3inAHStepsbntercefrt=169.49SR-square-0F-MaMRMSE=72,5666Ac(jR-sq=-0,(?52631i5p=NaNModelHistory從表StepwiseTable中分析得出變量x2和x3為主要的影響因素。,M-0.701486-0.24240.8115-3.090677.04970.0000L-19514_81596

11、00000_n41ftd97_n9R11n7Q9QrirrrrCoefficientswithErrorBarsCoeff.t-statp-val-25-20-15-10-505Nextstep:I.MovenotermsExport.Utencept=186,046R-square=C.9O2444F=76,6295RMSE=23SEI6Ac|jR-sq0,305223p=256246e-W9ModelHistory806040移去非關(guān)鍵變量x1和x4后模型具有顯著性.雖然剩余標準差(RMSE都有了變化，統(tǒng)計量F的值明顯增大，因此新的回歸模型更好.就得到最優(yōu)模型。輸入：X1=ones(20,1)x2x3;b,bint,r,rint,stats=regress(Y,X1);b,bint,stats輸出：b=186.04843.0907-19.5140bint=110.4254261.67152.16574.0156-24.5597-14.4683stats=0.902478.62