MATLAB数学建模(三)：回归

最新推荐文章于 2024-08-16 22:50:06 发布

Smallactive

最新推荐文章于 2024-08-16 22:50:06 发布

阅读量3.3w

点赞数 74

分类专栏： MATLAB数学建模文章标签： Matlab 数学建模回归

MATLAB数学建模专栏收录该内容

26 篇文章 245 订阅

订阅专栏

以下内容为学习笔记，原创内容内容请访问原链接：https://mp.weixin.qq.com/s/OKXa3F3PkmFf1c90-t3AIg?

以下学习笔记与原链接的不同之处在于：对原链接内容进行了增删，删去了一些题外话，增加了对一些重要概念的详细解释；对一些函数的各个参数进行了详细说明；对源代码增加了更加详细的注释，确保小白也能完全看懂；对有bug的代码进行了修复；增补了原链接中缺失的数据文件logistic_ex1.xlsx。

1.一元回归

（1）一元线性回归

[ 例1 ] 近 10 年来，某市社会商品零售总额与职工工资总额（单位：亿元）的数据见表1，请建立社会商品零售总额与职工工资总额数据的回归模型。

该问题是典型的一元回归问题，但先要确定是线性还是非线性，然后就可以利用对应的回归方法建立他们之间的回归模型了，具体实现的 MATLAB 代码如下：

（1）输入数据

%% 输入数据
clc, clear, close all
% 职工工资总额
x = [23.8,27.6,31.6,32.4,33.7,34.90,43.2,52.8,63.8,73.4];
% 商品零售总额
y = [41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0];

（2）采用最小二乘回归

%% 采用最小二乘法回归
% 作散点图
figure
plot(x,y,'r*') % 散点图，散点为红色
xlabel('x(职工工资总额)','fontsize',12)
ylabel('y(商品零售总额)','fontsize',12)
set(gca, 'linewidth',2) % 坐标轴线宽为2

% 采用最小二乘法拟合
Lxx = sum((x-mean(x)).^2); %在列表运算中，^与.^不同
Lxy = sum((x-mean(x)).*(y-mean(y)));
b1 = Lxy/Lxx;
b0 = mean(y) - b1 * mean(x);
y1 = b1 * x + b0;

hold on % hold on是当前轴及图像保持而不被刷新，准备接受此后将绘制的图形，多图共存
plot(x,y1, 'linewidth',2);

运行本节程序，会得到如图 1 所示的回归图形。在用最小二乘回归之前，先绘制了数据的散点图，这样就可以从图形上判断这些数据是否近似成线性关系。当发现它们的确近似在一条线上后，再用线性回归的方法进行回归，这样也更符合我们分析数据的一般思路。

图1

（3）采用 LinearModel.fit 函数进行线性回归

%% 采用 LinearModel.fit 函数进行线性回归
m2 = LinearModel.fit(x, y)

运行结果如下：

m2 =

Linear regression model:

    y ~ 1 + x1
Estimated Coefficients:

              Estimate      SE       tStat       pValue

    (Intercept)    -23.549      5.1028    -4.615     0.0017215

    x1          2.7991     0.11456    24.435    8.4014e-09

R-squared: 0.987, Adjusted R-Squared 0.985

F-statistic vs. constant model: 597, p-value = 8.4e-09

如下图，我们只需记住-23.594是一次函数的中x的系数，2.7991是一次函数中的常数项即可，其它的不用理会。

4）采用 regress 函数进行回归

%% 采用 regress 函数进行回归
Y = y'
X = [ones(size(x,2),1),x']
[b,bint,r,rint,s] = regress(Y,X)

运行结果如下：

b =

-23.5493

2.7991

我们只需记住-23.594是一次函数的中x的系数，2.7991是一次函数中的常数项即可，其它的不用理会。

（2）一元非线性回归

[ 例2 ] 为了解百货商店销售额 x 与流通率（这是反映商业活动的一个质量指标，指每元商品流转额所分摊的流通费用）y 之间的关系，收集了九个商店的有关数据（见表2）。请建立它们关系的数学模型。

为了得到 x 与 y 之间的关系，先绘制出它们之间的散点图，如图 2 所示的“雪花”点图。由该图可以判断它们之间的关系近似为对数关系或指数关系，为此可以利用这两种函数形式进行非线性拟合，具体实现步骤及每个步骤的结果如下：

（1）输入数据

%% 输入数据
clc, clear all, close all
x = [1.5, 4.5, 7.5,10.5,13.5,16.5,19.5,22.5,25.5];
y = [7.0,4.8,3.6,3.1,2.7,2.5,2.4,2.3,2.2];
plot(x, y, '*', 'linewidth', 1) % 这里的linewidth指的是散点大小
set(gca,'linewidth',2) % 设置坐标轴的线宽为2
xlabel('销售额x/万元','fontsize',12)
ylabel('流通率y/%','fontsize',12)

（2）对数形式非线性回归

%% 对数形式非线性回归
m1 = @(b,x) b(1) + b(2)*log(x);
nonlinfit1 = fitnlm(x,y,m1,[0.01;0.01])
b = nonlinfit1.Coefficients.Estimate;
Y1 = b(1,1) + b(2,1)*log(x);
hold on 
plot(x, Y1, '--k', 'linewidth',2)

运行结果如下：

nonlinfit1 =

Nonlinear regression model:

    y ~ b1 + b2*log(x)

Estimated Coefficients:

          Estimate      SE        tStat       pValue

    b1    7.3979      0.26667     27.742    2.0303e-08

    b2    -1.713      0.10724    -15.974    9.1465e-07

R-Squared: 0.973, Adjusted R-Squared 0.969

F-statistic vs. constant model: 255, p-value = 9.15e-07

（3）指数形式非线性回归

%% 指数形式非线性回归
m2 = 'y ~ b1*x^b2';
nonlinfit2 = fitnlm(x,y,m2, [1;1])
b1 = nonlinfit2.Coefficients.Estimate(1,1);
b2 = nonlinfit2.Coefficients.Estimate(2,1)
Y2 = b1*x.^b2;
hold on;
plot(x,Y2,'r','linewidth',2)
legend('原始数据','a+b*lnx','a*x^b') % 图例

运行结果如下：

nonlinfit2 =

Nonlinear regression model:

   y ~ b1*x^b2

Estimated Coefficients:

          Estimate       SE        tStat       pValue

    b1      8.4112     0.19176     43.862    8.3606e-10

    b2    -0.41893    0.012382    -33.834    5.1061e-09

R-Squared: 0.993, Adjusted R-Squared 0.992

F-statistic vs. zero model: 3.05e+03, p-value = 5.1e-11

在该案例中，选择两种函数形式进行非线性回归，从回归结果来看，对数形式的决定系数为 0.973 ，而指数形式的为 0.993 ，优于前者，所以可以认为指数形式的函数形式更符合 y 与 x 之间的关系，这样就可以确定他们之间的函数关系形式了。

2.多元回归

1.多元线性回归

[ 例3 ] 某科学基金会希望估计从事某研究的学者的年薪 Y 与他们的研究成果（论文、著作等）的质量指标 X1、从事研究工作的时间 X2、能成功获得资助的指标 X3 之间的关系，为此按一定的实验设计方法调查了 24 位研究学者，得到如表3 所示的数据（ i 为学者序号），试建立 Y 与 X1 , X2 , X3 之间关系的数学模型，并得出有关结论和作统计分析。

该问题是典型的多元回归问题，但能否应用多元线性回归，最好先通过数据可视化判断他们之间的变化趋势，如果近似满足线性关系，则可以执行利用多元线性回归方法对该问题进行回归。具体步骤如下：

（1）作出因变量 Y 与各自变量的样本散点图

作散点图的目的主要是观察因变量 Y 与各自变量间是否有比较好的线性关系，以便选择恰当的数学模型形式。图3 分别为年薪 Y 与成果质量指标 X1、研究工作时间 X2、获得资助的指标 X3 之间的散点图。从图中可以看出这些点大致分布在一条直线旁边，因此，有比较好的线性关系，可以采用线性回归。绘制图3的代码如下：

%% 作出因变量Y与各自变量的样本散点图
% x1,x2,x3,Y的数据
x1=[3.5 5.3 5.1 5.8 4.2 6.0 6.8 5.5 3.1 7.2 4.5 4.9 8.0 6.5 6.5 3.7 6.2 7.0 4.0 4.5 5.9 5.6 4.8 3.9];
x2=[9 20 18 33 31 13 25 30 5 47 25 11 23 35 39 21 7 40 35 23 33 27 34 15];
x3=[6.1 6.4 7.4 6.7 7.5 5.9 6.0 4.0 5.8 8.3 5.0 6.4 7.6 7.0 5.0 4.0 5.5 7.0 6.0 3.5 4.9 4.3 8.0 5.0];
Y=[33.2 40.3 38.7 46.8 41.4 37.5 39.0 40.7 30.1 52.9 38.2 31.8 43.3 44.1 42.5 33.6 34.2 48.0 38.0 35.9 40.4 36.8 45.2 35.1];
% 绘图，三幅图横向并排
subplot(1,3,1),plot(x1,Y,'g*')
subplot(1,3,2),plot(x2,Y,'k+')
subplot(1,3,3),plot(x3,Y,'ro')

绘制的图形如下：

（2）进行多元线性回归

这里可以直接使用 regress 函数执行多元线性回归，注意以下代码模板，以后碰到多元线性问题直接套用代码，具体代码如下：

%% 进行多元线性回归
n = 24; m = 3; % 每个变量均有24个数据，共有3个变量
X = [ones(n,1),x1',x2',x3'];
[b,bint,r,rint,s]=regress(Y',X,0.05) % 0.05为预定显著水平，判断因变量y与自变量之间是否具有显著的线性相关关系需要用到。

运行结果如下：

b =

   18.0157
    1.0817
    0.3212
    1.2835


bint =

   13.9052   22.1262
    0.3900    1.7733
    0.2440    0.3984
    0.6691    1.8979


r =

    0.6781
    1.9129
   -0.1119
    3.3114
   -0.7424
    1.2459
   -2.1022
    1.9650
   -0.3193
    1.3466
    0.8691
   -3.2637
   -0.5115
   -1.1733
   -1.4910
   -0.2972
    0.1702
    0.5799
   -3.2856
    1.1368
   -0.8864
   -1.4646
    0.8032
    1.6301


rint =

   -2.7017    4.0580
   -1.6203    5.4461
   -3.6190    3.3951
    0.0498    6.5729
   -4.0560    2.5712
   -2.1800    4.6717
   -5.4947    1.2902
   -1.3231    5.2531
   -3.5894    2.9507
   -1.7678    4.4609
   -2.7146    4.4529
   -6.4090   -0.1183
   -3.6088    2.5859
   -4.7040    2.3575
   -4.8249    1.8429
   -3.7129    3.1185
   -3.0504    3.3907
   -2.8855    4.0453
   -6.2644   -0.3067
   -2.1893    4.4630
   -4.4002    2.6273
   -4.8991    1.9699
   -2.4872    4.0937
   -1.8351    5.0954


s =

    0.9106   67.9195    0.0000    3.0719

看到如此长的运行结果，我们不要害怕，因为里面很多数据是没用的，我们只需提取有用的数据。

在运行结果中，很多数据我们不需理会，我们真正需要用到的数据如下：

b =

   18.0157
    1.0817
    0.3212
    1.2835

s =

    0.9106   67.9195    0.0000    3.0719

回归系数 b = (β0,β1,β2,β3) = (18.0157, 1.0817, 0.3212, 1.2835)，回归系数的置信区间，以及统计变量 stats（它包含四个检验统计量：相关系数的平方R^2，假设检验统计量Ｆ，与 F 对应的概率 p，s^2 的值）。观察表4的数据，会发现它来源于运行结果中的b和s:

根据β0,β1,β2,β3,我们初步得出回归方程为：

如何判断该回归方程是否符合该模型呢？有以下3种方法：

1）相关系数Ｒ的评价：本例Ｒ的绝对值为 0.9542 ，表明线性相关性较强。

2）F 检验法：当 F > F1-α(m,n-m-1) ，即认为因变量 y 与自变量 x1,x2,...,xm 之间有显著的线性相关关系；否则认为因变量 y 与自变量 x1,x2,...,xm 之间线性相关关系不显著。本例Ｆ＝67.919 > F1-0.05( 3,20 ) = 3.10。

3）p 值检验：若 p < α（α 为预定显著水平），则说明因变量 y 与自变量 x1,x2,...,xm之间显著地有线性相关关系。本例输出结果，p<0.0001,显然满足 p<α=0.05。

以上三种统计推断方法推断的结果是一致的，说明因变量 y 与自变量之间显著地有线性相关关系，所得线性回归模型可用。s^2 当然越小越好，这主要在模型改进时作为参考。

3. 逐步回归

[ 例4 ] （Hald,1960）Hald 数据是关于水泥生产的数据。某种水泥在凝固时放出的热量 Y（单位：卡/克）与水泥中 4 种化学成品所占的百分比有关：

在生产中测得 12 组数据，见表5，试建立 Y 关于这些因子的“最优”回归方程。

对于例 4 中的问题，可以使用多元线性回归、多元多项式回归，但也可以考虑使用逐步回归。从逐步回归的原理来看，逐步回归是以上两种回归方法的结合，可以自动使得方程的因子设置最合理。对于该问题，逐步回归的代码如下：

%% 逐步回归
X=[7,26,6,60;1,29,15,52;11,56,8,20;11,31,8,47;7,52,6,33;11,55,9,22;3,71,17,6;1,31,22,44;2,54,18,22;21,47,4,26;1,40,23,34;11,66,9,12];   %自变量数据
Y=[78.5,74.3,104.3,87.6,95.9,109.2,102.7,72.5,93.1,115.9,83.8,113.3];  %因变量数据
stepwise(X,Y,[1,2,3,4],0.05,0.10)% in=[1,2,3,4]表示X1、X2、X3、X4均保留在模型中

程序执行后得到下列逐步回归的窗口，如图 4 所示。

图4

在图 4 中，用蓝色行显示变量 X1、X2、X3、X4 均保留在模型中，窗口的右侧按钮上方提示：将变量X4剔除回归方程（Move X4 out），单击 Next Step 按钮，即进行下一步运算，将第 4 列数据对应的变量 X4 剔除回归方程。单击 Next Step 按钮后，剔除的变量 X3 所对应的行用红色表示，同时又得到提示：将变量 X3 剔除回归方程（Move X3 out），单击 Next Step 按钮，这样一直重复操作，直到 “Next Step” 按钮变灰，表明逐步回归结束，此时得到的模型即为逐步回归最终的结果。最终结果如下：

4. 逻辑回归

[ 例5 ] 企业到金融商业机构贷款，金融商业机构需要对企业进行评估。评估结果为 0 , 1 两种形式，0 表示企业两年后破产，将拒绝贷款，而 1 表示企业 2 年后具备还款能力，可以贷款。在表 6 中，已知前 20 家企业的三项评价指标值和评估结果，试建立模型对其他 5 家企业（企业 21-25）进行评估。

对于该问题，很明显可以用 Logistic 模型来回归，具体求解程序如下：

程序中需要用到的数据文件logistic_ex1.xlsx已上传github：https://github.com/xiexupang/mathematical-modeling/tree/master/%E5%9B%9E%E5%BD%92/%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92

% logistic回归

%% 导入数据
clc,clear,close all
X0 = xlsread('logistic_ex1.xlsx','A2:C21'); % 前20家企业的三项评价指标值,即回归模型的输入
Y0 = xlsread('logistic_ex1.xlsx','D2:D21'); % 前20家企业的评估结果，即回归模型的输出
X1 = xlsread('logistic_ex1.xlsx','A2:C26'); % 预测数据输入

%% 逻辑函数
GM = fitglm(X0,Y0,'Distribution','binomial');
Y1 = predict(GM,X1);

%% 模型的评估
N0 = 1:size(Y0,1); % N0 = [1,2,3,4,……，20]
N1 = 1:size(Y1,1); % N1 = [1,2,3,4,……，25]
plot(N0',Y0,'-kd'); % N0'指的是对N0'进行转置，N0'和Y0的形式相同，该行代码绘制的是前20家企业的评估结果
% plot()中的参数'-kd'的解析：-代表直线，k代表黑色，d代表菱形符号
hold on;
scatter(N1',Y1,'b'); % N1'指的是对N1'进行转置，N1'和Y1的形式相同
xlabel('企业编号');
ylabel('输出值');

得到的回归结果与原始数据的比较如图5所示。

图5

5. 小结

本讲主要介绍数学建模中常用的几种回归方法。在使用回归方法的时候，首先可以判断自变量的个数，如果超过 2 个，则需要用到多元回归的方法，否则考虑用一元回归。然后判断是线性还是非线性，这对于一元回归是比较容易的，而对于多元，往往是将其他变量保持不变，将多元转化为一元再去判断是线性还是非线性。如果变量很多，而且复杂，则可以首先考虑多元线性回归，检验回归效果，也可以用逐步回归。总之，用回归方法比较灵活，根据具体情景还是比较容易找到合适的方法的。