《利用Matlab进行线性回归分析报告材料.doc》由会员分享，可在线阅读，更多相关《利用Matlab进行线性回归分析报告材料.doc（3页珍藏版）》请在三一文库上搜索。
1、利用Matlab进行线性回归分析回归分析是处理两个及两个以上变量间线性依存关系的统计方法。可以通过软件Matlab实现。1.利用Matlab软件实现在Matlab中，可以直接调用命令实现回归分析，(1) b,bint,r,rint,stats=regress(y,x)，其中b是回归方程中的参数估计 值，bint是b的置信区间，r和rint分别表示残差及残差对应的置信区间。stats 包含三个数字，分别是相关系数，F统计量及对应的概率p值。(2) recplot(r,rint)作残差分析图。(3) rstool(x,y) 一种交互式方式的句柄命令。以下通过具体的例子来说明。例 现有多个样本的因变
2、量和自变量的数据，下面我们利用Matlab，通过回归分析建立两者之间的回归方程。% 一元回归分析x=1097128415021394130315551917205121112286231120032435262529483, 553372;% 自变量序列数据1960y=69887298880773810251316153915611765176219022013244627362825;% 因变量序列数据X=on es(size(x'),x',pauseb,b in t,r,ri nt,stats=regress(y',X,0.05),pause%调用一元回归分析函数r
3、coplot(r,ri nt)%画出在置信度区间下误差分布。%多元回归分析%输入各种自变量数据x1=5.5 2.5 8 3 3 2.9 8 9 4 6.5 5.5 5 6 5 3.5 8 6 4 7.5 7'x2=31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 7040 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'%输入因变量数据y=79.
4、3 200.1 163.1 200.1 146.0 177.7 30.9 291.9 160 339.4 159.6 86.3 237.5 107.2155 201.4 100.2 135.8 223.3 195'X=o nes(size(x1),x1,x2,x3,x4;b,b in t,r,ri nt,stats=regress(y,X)%回归分析Q=r'*rsigma=Q/18rcoplot(r,ri nt);%逐步回归X1= x1,x2,x3,x4;stepwise(X1,y,1,2,3)%逐步回归% X2=o nes(size(x1),x2,x3;% X3=o nes(size(x1),x1,x2,x3;% X4=o nes(size(x1),x2,x3,x4;% b1,b1i nt,r1,r1i nt,stats1=regress(y,X2)% b2,b2i nt,r2,r2i nt,stats2=regress(y,X3);% b3,b3i nt,r3,r3i nt,stats3=regress(y,X4);