数模--一元线性回归模型建立、matlab实现

 模型代码如下:

function [b,bint,r,rint,states,sima2,p,y0,zxqj]=huigui(x,y,x0)
%x 一元线性模型自变量的n个观测值的(n*p)矩阵;y 一元线性模型因变量的n个观测值的n×1向量,x0为预测值的横坐标b;
%b 回归系数的最小二乘估计值,bint 估计值b的置信区间,r 模型拟合残差,rint -模型拟合残差的置信区间;
%stats 有三个数值包含R^2统计量、方差分析的F统计量的值、方差分析的显著性概率p值和sigama^2的估计值;输出的y0为预测值纵坐标
format short;
x1=[ones(length(x),1),x];
[b,bint,r,rint,states]=regress(y,x1);
sima2=(vpa(states(4),20));      
p=vpa(states(3),20);   %检验的p值   p<0.01,回归方程高度显著;0.0.1<=p<0.05,回归方程显著;p>=0.05,回归方程不显著
y0=b(1)+b(2)*x0;
s=sqrt(states(4));
zxqj=[y0-2*s,y0+2*s];   %置信区间
plot(x,y,'.'),lsline
%rcoplot(r,rint)   %残差分析

结果:

>> x=[1,2,3,4,5,6,7,8,9]';
>> y=[2,4,6,8,10,11,14,16,18]';
>> x0=10;
>> [b,bint,r,rint,states,sima2,p,y0,zxqj]=huigui(x,y,x0)

b =

   -0.0278
    1.9833

bint =

   -0.6342    0.5786
    1.8756    2.0911

r =

    0.0444
    0.0611
    0.0778
    0.0944
    0.1111
   -0.8722
    0.1444
    0.1611
    0.1778

rint =

   -0.6654    0.7543
   -0.7116    0.8338
   -0.7363    0.8918
   -0.7426    0.9315
   -0.7321    0.9543
   -0.8722   -0.8722
   -0.6611    0.9500
   -0.5981    0.9203
   -0.5124    0.8679

states =

   1.0e+03 *

    0.0010    1.8941    0.0000    0.0001
 
sima2 =
 
0.12460317460317460317

p =
 
0.00000000088276169535500757861
 
y0 =

   19.8056

zxqj =

   19.0996   20.5115

  • 3
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值