多元回归应用在matlab,多元回归程序MATLAB程序

《多元回归程序MATLAB程序》由会员分享，可在线阅读，更多相关《多元回归程序MATLAB程序(19页珍藏版)》请在人人文库网上搜索。

1、matlab回归(拟合)总结前言1、学三条命令polyfit(x,y,n)-拟合成一元幂函数(一元多次)regress(y,x)-可以多元， nlinfit(x,y,fun,beta0) (可用于任何类型的函数，任意多元函数，应用范围最广，最万能的)2、同一个问题，这三条命令都可以使用，但结果肯定是不同的，因为拟合的近似结果，没有唯一的标准的答案。相当于咨询多个专家。3、回归的操作步骤：根据图形(实际点)，选配一条恰当的函数形式(类型)-需要数学理论与基础和经验。(并写出该函数表达式的一般形式，含待定系数)-选用某条回归命令求出所有的待定系数。所以可以说，回归就是求待定系数的过程(需确定函数的。

2、形式)一、多元回归分析对于多元线性回归模型(其实可以是非线性，它通用性极高)：设变量的n组观测值为记 ，则 的估计值为排列方式与线性代数中的线性方程组相同()，拟合成多元函数-regress使用格式：左边用b=b, bint, r, rint, stats右边用=regress(y, x)或regress(y, x, alpha)-命令中是先y后x, -须构造好矩阵x(x中的每列与目标函数的一项对应)-并且x要在最前面额外添加全1列/对应于常数项-y必须是列向量-结果是从常数项开始-与polyfit的不同。)其中： b为回归系数，的估计值(第一个为常数项)，bint为回归系数的区间估计，r: 。

3、残差 ，rint: 残差的置信区间，stats: 用于检验回归模型的统计量，有四个数值：相关系数r2、F值、与F对应的概率p和残差的方差(前两个越大越好，后两个越小越好)，alpha: 显著性水平(缺省时为0.05，即置信水平为95%)，(alpha不影响b,只影响bint(区间估计)。它越小，即置信度越高，则bint范围越大。显著水平越高，则区间就越小)(返回五个结果)-如有n个自变量-有误(n个待定系数)，则b 中就有n+1个系数(含常数项，-第一项为常数项)(b-b的范围/置信区间-残差r-r的置信区间rint-点估计-区间估计如果的置信区间(bint的第行)不包含0，则在显著水平为时拒。

4、绝的假设，认为变量是显著的*(而rint残差的区间应包含0则更好)。b,y等均为列向量,x为矩阵(表示了一组实际的数据)必须在x第一列添加一个全1列。-对应于常数项。相关系数r2越接近1，说明回归方程越显著；(r2越大越接近1越好)F越大，说明回归方程越显著；(F越大越好)与F对应的概率p越小越好，一定要P clear x=xlsread(cz.xls); %已经把所有的有效数据拷入到cd.xls文件中去了。 y=x(:,7); x(:,7)= ; z=ones(30,1); x=z,x; b,bint,r,rint,states=regress(y,x); b,statesb =159.14。

5、400.4585-0.0112-0.51250.0008-0.00280.3165stats =1.0e+003 *0.0010 0.2283 0 1.0488四、非线性回归或曲线回归问题配曲线的一般方法是：(一)先对两个变量x和y 作n次试验观察得画出散点图，散点图(二)根据散点图确定须配曲线的类型.通常选择的六类曲线如下：(1)双曲线 (2)幂函数曲线y=a, 其中x0,a0(3)指数曲线y=a其中参数a0.(4)倒指数曲线y=a其中a0，(5)对数曲线y=a+blogx,x0(6)S型曲线(三)然后由n对试验数据确定每一类曲线的未知参数a和b.解例2.由散点图我们选配倒指数曲线y=a根据线性化方法，算得由此 最后得 (注：文档可能无法思考全面，请浏览后下载，供参考。可复制、编制，期待你的好评与关注。