matlab-多元線性回歸模型

1、word.專業(yè)技術(shù)行業(yè)資料云南大學數(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?zāi)康?,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(wù)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 （

2、人民幣 元/美元）商品流轉(zhuǎn)費用 率 （%）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

3、區(qū)i推銷開支(x1)實際帳目數(shù)(x2)同類商品競 爭數(shù)(x3)地區(qū)銷售潛 力(x4)銷售量Y15.53110879.322.55586200.138.067129163.243.050716200.153.038815146.062.9711217177.778.03012830.989.056510291.994.04284160.0106.573516339.4115.560117159.6125.044121286.3136.05066237.5145.039104107.2153.555104155.0168.070614201.4176.040116100.2184.05011813

4、5.8197.562913223.3207.059911195.0提示：建立一個多元線性回歸模型。.范文范例學習參考指導 .word.專業(yè)技術(shù)行業(yè)資料三、實驗環(huán)境Windows操作系統(tǒng)； MATLAB 7.0.四、實驗過程實驗一：運用回歸分析在MATLAB!實現(xiàn)輸入：x=4.20 5.30 7.10 3.70 6.20 3.50 4.80 5.50 4.10 5.00 4.00 3.40 6.90'X=ones(13,1) x;Y=1.40 1.20 1.00 1.90 1.30 2.40 1.40 1.60 2.00 1.00 1.60 1.80 1.40'plot(x,Y,

5、'*');b,bint,r,rint,stats=regress(Y,X,0.05); 輸出：b = 2.6597 -0.2288bint = 1.8873 3.4322-0.3820 -0.0757stats = 0.4958 10.8168 0.0072 0.0903即?2.6597, ?i-0.2288, % 的置信區(qū)間為1.8873 3.4324 ?i 的置信區(qū)間為-0.3820 -0.0757;2一_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.2.521.51 33

6、.544.555.566.577.5散點圖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 =1.1725實驗二：在 MATLAB!實現(xiàn)，首先建立回歸模型輸出：x1=5.5 2.5 8.0 3.0 3.0 2.9 8.0 9.0 4.0 6.5 5.5 5.0 6.0 5.0 3.5 8.0 6.0 4.0 7.5 7.0'x2=31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59'x3=10

7、8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9'x4=8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11'Y=79.3 200.1 163.2 200.1 146.0 177.7 30.9 291.9 160.0 339.4 159.6 86.3 237.5 107.2 155.0201.4 100.2 135.8 223.3 195.0'X=ones(20,1) x1 x2 x3 x4;b,bint,r,rint,stats=regress(Y,X,0.05);b,bint,s

8、tats輸出：b =191.9158-0.77193.1725-19.6811-0.4501bint =103.1071 280.7245-7.1445 5.60072.0640 4.2809-25.1651 -14.1972-3.7284 2.8283stats =0.9034 35.0509 0.0000 644.6510即?0= 191.9158?1 =-0.7719?2 = 3.1725?3=-19.6811?4=-0.4501 ;?0的置信區(qū)間為103.1071 280.7245;?1的置信區(qū)間為-7.1445 5.6007; ?2的置信區(qū)間為2.0640 4.2809; ?3 的置

9、信區(qū)間為-25.1651 -14.1972;?4 的置信區(qū)間為-3.7284 2.82832r = 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=5.5 2.5 8.0 3.0 3.0 2.9 8.0 9.0 4.0 6.5 5.5 5.0 6.0 5.0 3.5 8.0 6.0 4.0 7.5 7.0'x2=31 55 67 50 38 71 30 56 42 73 60 44 50 3

10、9 55 70 40 50 62 59'x3=10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9'x4=8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11'Y=79.3 200.1 163.2 200.1 146.0 177.7 30.9 291.9 160.0 339.4 159.6 86.3 237.5 107.2 155.0.范文范例學習參考指導.word.專業(yè)技術(shù)行業(yè)資料201.4 100.2 135.8 223.3 195.0'X=x1 x2 x3 x4; s

11、tepwise(X,Y);*6.534444.028710.77684.41920.44730.0003-23.935-5.38770.00006.395711.74010.0989rf.rrCoefficients with Error BarsCoeff. t-stat p-valX1X2X3X40-30-20-101020Next step:Move X3 inNext StepAl StepsExport .范文范例學習參考指導Mtercefrt = 169,495R-square - 0F - MaNRMSE = 72,5666息4 R-sq = -0,(J526315p= MaN7

12、2esmrModel History1從表Stepwise Table中分析得出變量 x2和x3為主要的影響因素。r»* -0.701486 -0.2424 0.8115-3.09067 7.0497 0.0000doa dcoa n cccc1 -19.514 -8.1596 0.0000-0.418127 -0.2811 0.7823rfirrrrCoefficients with Error BarsCoeff. t-stat p-valX1X2X3X4Next step:Move no termsExport -25-20-15-10-505fcitercept = 186,

13、046R-Square =0.902444F = 76 6295RMSE = 23 .HEI 6Ac|j R-sq = 0,305223p=256246e-W9Model History80esmr604020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) x2 x3;b,bint,r,rint,stats=regress(Y,X1);b,bint,stats輸出：b =186.04843.0907-19.5140bint =110.4254 261.67152.1657 4.0156-24.5597 -14.