研究生数理统计多元线性回归及显著性检验Matlab程序完美版之欧阳光明创编Word下载.docx

1、5.5468120645.4973.1125175.11826393.87598374.6723554.953616605.006495.270145.3772515.4849214.5965.6645566.0795483.2194455.807615524.73064.6805323.2172472.6104443.71743.89462.70665.631413415.81525.130224615.3914.45334.65694.5212424.8655.3566104.6098362.38153.87464.5919545.15881005.4373113.996634.3974.

2、06222.29054.71154.5315.3637726.0771三、完整程序如下：%-by ggihhimm-%数理统计杨虎、刘琼、钟波 编著 例4.4.1 多元线性回归及显著性检验 完整解答% 输入需要的显著水平（默认=0.02），计算出不同结果（见运行结果）% 该程序也适合其他维数的数据分析（只需改变excel表格中的数据即可）clear;clc;data=xlsread（jc_p133_example.xls,sheet1）;xi=data（:,1:end-1）;n,k=size（data）;k=k-1;index_of_xi_array=ones（1,k）;X=ones（n,1）

3、 xi;Y=data（:,end）;fprintf（第1次计算结果：r）beta_mao=（X*X）X*Y）; fmt_str0=for i0=1:k+1 fmt_str0=fmt_str0 num2str（i0-1） = %0.4fr;endfprintf（fmt_str0,beta_mao）%检验回归方程的显著性x_ba=mean（xi）;y_ba=mean（Y）;St_square=sum（Y.2）-n*y_ba2;lxy=sum（xi-ones（n,1）*x_ba）.*（Y-y_ba）*ones（1,k）;Sr_square=sum（beta_mao（2:end）.*lxy）;Se_s

4、quare=St_square-Sr_square;c_flag=Sr_square/Se_square;F_alpha=input（请输入您要求的显著性水平（01）= while （isscalar（F_alpha） & F_alpha0） F_alpha=input（您的输入有误，请重新输入一个大于0，小于1的数，= F_fenweidian=finv（1-F_alpha,k,n-k-1）;c=k/（n-k-1）*F_fenweidian;if c_flagc fprintf（r-回归方程显著性检验（H0：1=2=.=k=0） . -r经过计算：拒绝H0，原假设不成立。）else接受H0，

5、原假设成立。%检验回归系数的显著性（循环检验，直到OK，得出最后结果）fprintf（rr-回归系数显著性检验（分别对1、2、.、k进行）-flag_go_on=1;num_of_loop=0;while flag_go_oncij=inv（X*X）;cii=diag（cij）;F_fenweidian_1=finv（1-F_alpha,1,n-k-1）;ci=sqrt（cii（2:end）*Se_square*F_fenweidian_1/（n-k-1）;format_str=%15.4ffor ii=1:k-1 format_str=format_str %13.4fr第%d次检验：rci

6、i: format_str %13.4fr ci:ri：,num_of_loop+1,cii,ci,beta_mao）if all（abs（beta_mao（2:end）ci flag_go_on=1; beta_1tok=beta_mao; beta_1tok（1）=; fi_xin=beta_1tok.2./cii（1:end-1） min_fi=min（fi_xin）; beta_index=find（fi_xin=min_fi）+1; fprintf（rx%d对y的线性影响最不显著（ |%d|=%0.4f ）。删除x%d，进行第%d次计算：,. beta_index-1+num_of_

7、loop,beta_index-1+num_of_loop,. abs（beta_mao（beta_index）,beta_index-1+num_of_loop,. beta_index-1+num_of_loop+1） fmt_str2=x%d index_of_xi=find（index_of_xi_array）; for i2=1:length（find（index_of_xi）-1 fmt_str2=fmt_str2 、x%d endrr经过检验，剩余所有变量: fmt_str2 对y的线性影响均显著。检验结束。,index_of_xi） flag_go_on=0;if flag_g

8、o_on num_of_loop=num_of_loop+1; k=k-1; if krr警告：通过一一对所有变量做显著性检验，已剔除所有变量！ break; beta_mao=beta_mao-beta_mao（beta_index）/cii（beta_index）*cij（beta_index,: beta_mao（beta_index）=; fmt_str1= for i1=2: fmt_str1=fmt_str1 num2str（i1-1+num_of_loop） r0 = %0.4fr fmt_str1,beta_mao） X（:,beta_index）=; index_of_xi_

9、array（beta_index-1+num_of_loop-1）=0; xi=X（:,2:end）; x_ba=mean（xi）; lxy=sum（xi-ones（n,1）*x_ba）.*（Y-y_ba）*ones（1,k）; Sr_square=sum（beta_mao（2: Se_square=St_square-Sr_square;四、运行结果如下（分别为=0.01和 =0.02的运行结果）：0 = 0.73441 = 0.15852 = 0.10633 = 0.03571）= 0.01- = 0.0100-回归方程显著性检验（H0：1=2=.=k=0）-经过计算：-回归系数显著性检验（分别对1、2、.、k进行）-第1次检验：cii: 1.1355 0.0055 0.0021 0.0002 ci: 0.1622 0.1006 0.0284i： 0.7344 0.1585 0.1063 0.0357x1对y的线性影响最不显著（ |1|=0.1585 ）。删除x1，进行第2次计算：0 = 2.53022 = 0.02313 = 0.0362第