建立一元线性回归模型|Matlab实例分析

1.收集到港澳台近15年的数据（表格1），数据来源具体来源：http://data.stats.gov.cn/easyquery.htm?cn=E0110

                                                                                                表格 1

时间	香港	澳门
2000年	6665000	431867
2001年	6714300	438088
2002年	6744100	444178
2003年	6730800	450754
2004年	6783500	458579
2005年	6813200	481390
2006年	6857100	479728
2007年	6925900	493022
2008年	6977700	507274
2009年	7003700	521405
2010年	7024200	543656
2011年	7071600	546682
2012年	7154600	557763
2013年	7187500	568056
2014年	7241700	577914
2015年	7305700	587606

2.利用表格1中第一列和第二列做一元回归分析

利用matlab编译程序如下：

clear;clc;

load('a.mat');%导入数据

n=length(a);

X=a(:,1);%提取自变量

X1=[ones(n,1),X];%自变量矩阵前加一列1

Y=a(:,2);%提取因变量

[b,bint,r,rint,stats]=regress(Y,X1);%多指标

%输出向量b，bint为回归系数估计值和它们的置信区间，r，rint为残差及其置信区间，

%stats是用于检验回归模型的统计量，有三个量，

%第一个是决定系数R的平方，第二个是F统计量值，第三个是与F统计量值对应的概率P

Z=b(1)+b(2)*X;%回归方程

plot(X,Y,'rp',X,Z,'b');

title('原始数据散点图与回归线');

set(0,'defaultfigurecolor','w');

得到结果如下：

• 回归方程：y=42237.6470588214-77842038.9705839x（下图1）
• bint为回归系数估计值的置信区间:[ -84122051.1272290,39109.3802594004]和[ -71562026.8139388,45365.9138582424]
• r，rint为残差及其置信区间:（下图2）
• 决定系数R的平方：0.9836（越接近1拟合程度越高）
• F统计量值：838.610071047130
• F统计量值对应的概率P：6.79068295826737e-14<<0.05,即回归方程显著。