数学建模（4）matlab/spss实现多元线性回归

数学建模学习笔记（4）统计问题–回归分析_matlab实现

统计工具箱：

最小二乘法

b = regress(Y,X)

其中Y,X为数组矩阵，b为回归系数估计值·

[b,bint,r,rint,stats] = regress(Y,X,alpha)

Y，X同上，alpha为显著性水平，默认值为0.05

b，bint为回归系数估计值和其置信区间

r，rint为残差与其置信区间，

stats是用于检验回归模型的统计量
1.相关系数R^2，越接近1则回归模型越显著
2.F值，越大越显著
3.p值，越小越好
残差与其置信区间可用rcoplot（r，rint）画图

clc,clear
x1=[0.1:0.01:0.1]';
y=[42,14.5,45.0,45.5,45.0,47.5,49.0,55.0,50.0]';
x=[ones(9,1)x1];
[b,bint,r,rint,stats]=regress(y,x);
b,bint,stats,rcoplot(r,rint)

多元线性回归spss操作

多元线性选择步进

选择步进的优点在于会根据加入的数值不断变化回归模型，使得模型更为可靠。但是迭代运算量会显著增加。