matlab多元線性回歸模型0001

1、實用標準文案云南大學數學與統計學實驗教學中心實驗報告課程名稱：數學實驗學期：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.熟悉MATLAB的運行環(huán)境.學會初步建立數學模型的方法.運用回歸分析方法來解決問題二、實驗內容實驗一：某公司出口換回成本分析對經營同一類產品出口業(yè)務的公司進行抽樣調查，被調查的13家公司，其出口換匯成本與商品流轉費用率資料如下表。試分析兩個變量之間的關系，并估計某家公司商品流轉費用率是6.5%的出口換匯成本.公司出口換匯成本(人民幣 元/美元)商品流轉費

2、用 率 (%)公司出口換匯成本(人民幣元/美元)商品流轉費用 率 (%)11.404.2081.605.5021.205.3092.004.1031.007.10101.005.0041.903.70111.604.00精彩文檔實用標準文案51.306.20121.803.4062.403.50131.406.9071.404.80實驗二：某建筑材料公司的銷售量因素分析下表數據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、同類商 品競爭數和地區(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

3、支(x1)實際帳目數(x2)同類商品競爭數(x3)地區(qū)銷售潛 力(x4)銷售量Y15.53110879.322.55586200.138.067129163.243.050716200.153.038815146.062.9711217177.778.03012830.989.056510291.994.04284160.0106.573516339.4115.560117159.6125.044121286.3精彩文檔實用標準文案136.05066237.5145.039104107.2153.555104155.0168.070614201.4176.040116100.2184.0501

4、18135.8197.562913223.3207.059911195.0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;MATLAB 7.0.四、實驗過程實驗一：運用回歸分析在MATLAB里實現輸入：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,*);輸出：b =2.6597-0.2288bint =1.

5、88733.4322-0.3820-0.0757stats =0.495810.81680.00720.0903即？02.6597,?1-0.2288,?0的置信區(qū)間為1.8873b,bint,r,rint,stats=regress(Y,X,0.05);3.4322,1的置信區(qū) 間為-0.38200.0757;精彩文檔實用標準文案r 2 =0.4958, F=10.8168, p=0.0072因P x=6.5; y=2.6597-0.2288*xy =1.1725實驗二：在 MATLAB 里實現，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.

6、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 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

7、.0 201.4100.2 135.8 223.3 195.0;X=ones(20,1) x1 x2 x3 x4;精彩文檔實用標準文案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?0= 191.9158?1=-0.7719?2= 3.17

8、25?3=-19.6811?4 =-0.4501 ;?0的置信區(qū)間為103.1071280.7245 ;?1的置信區(qū)間為-7.14455.6007 ; ?2的置信區(qū)間為2.06404.2809 ;?3 的置信區(qū)間為-25.1651-14.1972 ;?4 的置信區(qū)間為-3.72842.8283;2r = 0.9034 , F=35.0509 , p= 0.0000因 P0.05, 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、 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 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 10

10、7.2 155.0 201.4100.2 135.8 223.3 195.0;精彩文檔實用標準文案X=x1 x2 x3 x4;stepwise(X,Y);-6.534444.028710.77684.41920.44730.0003-23.935-5.38770.00006.395711.74010.0989rA,f rrCoefficients with Error BarsCoeff. t-stat p-valX1X2X3X4-30-20-1001020Next step:Move X3 inExport .Mtercept = 169.4SSR-square - 0F - MaMRMSE

11、 = 72,5666息4 R-sq = -0,(J526315p= MaNModel Historyesmr從表Stepwise Table中分析得出變量 x2和x3為主要的影響因素。12 3 4X X X Xesmr. -0.701486 -0.2424 0.8115一 一3.09067 7.0497 0.0000-19.514 -8.1596 0.0000 -0.418127 -0.2811 0.7823rFirrfrCoefficients with Error BarsCoeff. t-stat p-valNext step:Move no termsNext Stepfclterce

12、pt = 186,046R-Square =0.902444F=7fi.6295RMSE = 23.9616Acj R-sq = O.S0522Sp=2.56246e-009-25-20-15-10-50580604020Model History精彩文檔實用標準文案移去非關鍵變量x1和x4后模型具有顯著性.雖然剩余標準差(RMSE)都有了變化，統計量的值明顯增大，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 =110.4254261.67152.16574.0156-24.5597-14.4683s