MATLAB中多元线性回归的例子PPT文件格式下载.ppt

MATLAB中多元线性回归的例子PPT文件格式下载.ppt

《MATLAB中多元线性回归的例子PPT文件格式下载.ppt》由会员分享，可在线阅读，更多相关《MATLAB中多元线性回归的例子PPT文件格式下载.ppt（11页珍藏版）》请在冰豆网上搜索。

决定系数R2，F值,F（1,n-2）分布大于F值的概率p，p时回归模型有效,rcoplot（r,rint）,残差及其置信区间作图,回归模型,例3:

血压与年龄、体重指数、吸烟习惯,体重指数=体重（kg）/身高（m）的平方,吸烟习惯:

0表示不吸烟，1表示吸烟,建立血压与年龄、体重指数、吸烟习惯之间的回归模型,模型建立,血压y，年龄x1，体重指数x2，吸烟习惯x3,y与x1的散点图,y与x2的散点图,线性回归模型,回归系数0,1,2,3由数据估计,是随机误差,n=30;

m=3;

y=144215138145162142170124158154162150140110128130135114116124136142120120160158144130125175;

x1=394745476546674267566456593442484518201936503921445363292569;

x2=24.231.122.624.025.925.129.519.727.219.328.025.827.320.121.722.227.418.822.621.525.026.223.520.327.128.628.322.025.327.4;

x3=0101101010100001000.00100110101;

X=ones（n,1）,x1,x2,x3;

b,bint,r,rint,s=regress（y,X）;

s2=sum（r.2）/（n-m-1）;

b,bint,s,s2rcoplot（r,rint）,模型求解,剔除异常点（第2点和第10点）后,xueya01.m,此时可见第二与第十二个点是异常点，于是删除上述两点，再次进行回归得到改进后的回归模型的系数、系数置信区间与统计量,这时置信区间不包含零点，F统计量增大，可决系数从0.6855增大到0.8462，我们得到回归模型为：

通常，进行多元线性回归的步骤如下：

（1）做自变量与因变量的散点图，根据散点图的形状决定是否可以进行线性回归；

（2）输入自变量与因变量；

（3）利用命令：

b,bint,r,rint,s=regress（y,X,alpha），rcoplot（r,rint）得到回归模型的系数以及异常点的情况；

（4）对回归模型进行检验首先进行残差的正态性检验：

jbtest，ttest,其次进行残差的异方差检验:

戈德菲尔德一匡特（GoldfeldQuandt）检验戈德菲尔德检验，简称为GQ检验.为了检验异方差性，将样本按解释变量排序后分成两部分，再利用样本1和样本2分别建立回归模型，并求出各自的残差平方和RSSl和RSS2。

如果误差项的离散程度相同（即为同方差的），则RSSl和RSS2的值应该大致相同；

若两者之间存在显著差异，则表明存在异方差.检验过程中为了“夸大”残差的差异性，一般先在样本中部去掉C个数据（通常取cn4），再利用F统计量判断差异的显著性：

其中，n为样本容量，k为自变量个数.然后对残差进行自相关性的检验，通常我们利用DW检验进行残差序列自相关性的检验。

该检验的统计量为：

其中为残差序列，对于计算出的结果通过查表决定是否存在自相关性。

若du4-dl，则存在一阶负相关；

若dlDWdu或4-duDW4-dl，则无法判断,下面我们对模型进行检验：

（1）残差的正态检验：

由jbtest检验，h=0表明残差服从正态分布，进而由t检验可知h=0，p=1，故残差服从均值为零的正态分布；

（2）残差的异方差检验：

我们将28个数据从小到大排列，去掉中间的6个数据，得到F统计量的观测值为：

f=1.9092,由F（7,7）=3.79，可知：

f=1.90923.79，故不存在异方差.,（3）残差的自相关性检验：

计算得到：

dw=1.4330,查表后得到：

dl=0.97,du=1.41，由于1.41=dudw=1.4334-du=2.59,残差不存在自相关性.,