matlab中非线性回归标准误,新编MATLAB&Simulink自学一本通第19章 回归分析.ppt

* * 三、利用曲线拟合工具cftool作一元非线性拟合 1. cftool函数的用法 cftool cftool(xdata,ydata) cftool( xdata, ydata, w) 权重向量 * 2. 导入数据 >> HeadData = xlsread('examp19_2_1.xls'); >> HeadData = sortrows(HeadData, 4); >> x = HeadData(:, 4); >> y = HeadData(:, 9); * 3. 数据的平滑处理 * 4. 数据筛选 数据筛选界面 手动选点去除数据界面 * 5. 数据拟合 导入头围和年龄的数据之后，曲线拟合主界面的坐标系里出现了相应的散点图。单击曲线拟合主界面上的“Fitting”按钮，在弹出的数据拟合界面上单击“New fit”按钮，将创建一个新的拟合 * 6. 拟合结果 对于前面给出的1281组头围和年龄的观测数据，至少可以用5种函数进行拟合，得到的非线性回归方程分别为 负指数曲线： 双曲线： 幂函数曲线： Logistic曲线： 对数曲线： 拟合较好 * 7. 拟合效果图 * 第三节 多元线性和广义线性回归 * 【例19.3-1】在有氧锻炼中，人的耗氧能力 y 是衡量身体状况的重要指标，它可能与以下因素有关：年龄 x1(岁)，体重 x2(kg)，1500米跑所用的时间 x3(min)，静止时心速 x4(次/min)，跑步后心速 x5(次/min). 对24名40至57岁的志愿者进行了测试，结果如表19.3-1所示。表19.3-1中的数据保存在文件examp19_3_1.xls中，试根据这些数据建立耗氧能力y 与诸因素之间的回归模型。 * >> xydata = xlsread('examp19_3_1.xls'); >> y = xydata(:, 2); >> X = xydata(:, 3:7); >> xdata = [ones(size(X, 1), 1), X]; >> [b, bint, r, rint, s] = regress(y, xdata); 一、调用regress函数作多元线性回归 1. 理论回归方程 2. 参数估计及显著性检验 3. 经验回归方程 * >> reglm(y,X) 二、调用自编reglm函数作多元线性回归 理论回归方程 参数估计及显著性检验 1. 五元线性回归 ------------------------------------方差分析表------------------------------------ 方差来源 自由度 平方和 均方 F值 p值 回归 5.0000 625.3110 125.0622 16.0069 0.0000 残差 18.0000 140.6340 7.8130 总计 23.0000 765.9450 均方根误差(Root MSE) 2.7952 判定系数(R-Square) 0.8164 因变量均值(Dependent Mean) 47.6750 调整的判定系数(Adj R-Sq) 0.7654 -------------------------------参数估计------------------------------- 变量 估计值 标准误 t值 p值 常数项 121.1655 17.4064 6.9610 0.0000 X1 -0.3471 0.1435 -2.4185 0.0264 X2 -0.0167 0.0874 -0.1914 0.8504 X3 -4.2903 1.0268 -4.1784 0.0006 X4 -0.0399 0.0942 -0.4236 0.6769 X5