数学建模-回归分析-多元回归分析

精品文档 1欢迎下载1欢迎下载1欢迎下载1欢迎下载 1 1 多元线性回归多元线性回归 在回归分析中 如果有两个或两个以上的自变量 就称为多元回归 事实 上 一种现象常常是与多个因素相联系的 由多个自变量的最优组合共同来预 测或估计因变量 比只用一个自变量进行预测或估计更有效 更符合实际 在实际经济问题中 一个变量往往受到多个变量的影响 例如 家庭消费 支出 除了受家庭可支配收入的影响外 还受诸如家庭所有的财富 物价水平 金融机构存款利息等多种因素的影响 表现在线性回归模型中的解释变量有多 个 这样的模型被称为多元线性回归模型 multivariable linear regression model 多元线性回归模型的一般形式为 其中k 为解释变量的数目 j 1 2 k 称为回归系数 regression j coefficient 上式也被称为总体回归函数的随机表达式 它的非随机表达式 为 也被称为偏回归系数 partial regression coefficient j 2 2 多元线性回归计算模型多元线性回归计算模型 多元性回归模型的参数估计 同一元线性回归方程一样 也是在要求误差 平方和 e 为最小的前提下 用最小二乘法或最大似然估计法求解参数 设 是一个样本 11 x 12 x 1p x 1 y 1n x 2n x np x n y 用最大似然估计法估计参数 达 到最小 精品文档 2欢迎下载2欢迎下载2欢迎下载2欢迎下载 把 4 式化简可得 引入矩阵 方程组 5 可以化简得 可得最大似然估计值 精品文档 3欢迎下载3欢迎下载3欢迎下载3欢迎下载 3 3 MatlabMatlab 多元线性回归的实现多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下 1 b regress Y b regress Y X X 确定回归系数的点估计值 其中 2 b bint r rint stats regress Y X alpha b bint r rint stats regress Y X alpha 求回归系数的点估计和区 间估计 并检 验回归模型 bint 表示回归系数的区间估计 r 表示残差 rint 表示置信区间 stats 表示用于检验回归模型的统计量 有三个数值 相关系数r2 F 值 与 F 对应的 概率p 说明 相关系数r2 越接近1 说明回归方程越显著 F F1 alpha p n p 1 时 拒绝H0 F 越大 说明回归方程越显著 与F 对应的概率p x1 53 47 57 61 55 56 51 58 64 61 74 62 59 50 54 63 57 56 54 55 54 72 57 58 53 85 72 63 47 44 x2 89 83 80 92 104 97 97 123 111 111 115 109 111 110 112 109 89 95 94 87 82 92 97 99 101 120 121 110 102 85 x3 76 88 51 81 96 99 121 157 127 159 145 143 131 136 124 159 145 137 111 91 82 116 119 112 106 156 236 149 120 96 x4 19 29 31 28 34 30 31 54 47 51 65 59 45 44 44 60 61 48 39 41 53 75 66 50 32 52 73 57 40 40 x5 30 8 13 8 8 10 28 9 8 24 4 27 38 27 9 5 15 36 26 12 11 8 24 32 43 19 18 30 62 23 y 90 143 58 142 175 215 250 309 273 329 299 299 246 261 260 295 282 262 204 179 227 277 242 226 173 266 426 307 230 201 X ones length y 1 x1 x2 x3 x4 x5 Y y b bint r rint stats regress Y X b bint stats 精品文档 5欢迎下载5欢迎下载5欢迎下载5欢迎下载 运行结果为 b 12 2923 1 5271 0 8327 1 3775 2 0068 0 3086 bint 106 3464 81 7618 2 9355 0 1186 0 4217 2 0871 0 8554 1 8995 1 0254 2 9882 1 0032 0 3860 stats 0 9284 62 2206 0 0000 474 4773 因此可得出 r2 0 9284 F 62 2206 p 0 0000 则 p 0 05 回归模型为 在 Matlab 命令中输入 Rcoplot r rint 精品文档 6欢迎下载6欢迎下载6欢迎下载6欢迎下载 可得到残差图如下图所示 从残差图中和以上分析可以看出 此回归方程效果良好 2 按同样步骤对全部数据进行了回归分析 运行后的结果为 b 32 4586 0 1718 0 4463 0 8737 2 2106 0 3352 bint 46 4503 18 4669 0 2300 0 5736 0 1428 0 7499 0 6943 1 0531 1 7915 2 6297 0 4650 0 2053 stats 0 8373 238 7281 0 927 5409 精品文档 7欢迎下载7欢迎下载7欢迎下载7欢迎下载 同样可得出 r2 0 8373 F 238 7281 p 0 0000 则 p 0 05 回归模型为 12345 y32 45860 17180 44630 87372 21060 3352xxxxx 在 Matlab 命令中输入 Rcoplot r rint 可得到残差