matlab一元线性回归分析_（案例）线性/非线性回归分析Matlab算例

“线性/非线性回归分析Matlab算例”

01

—

一元线性回归分析

• 代码：

% 一元回归x=[1097 1284 1502 1394 1303 1555 1917 2051 2111 2286 2311 2003 2435 2625 2948 3055 3372];%自变量时间序列数据y=[698 872 988 807 738 1025 1316 1539 1561 1765 1762 1960 1902 2013 2446 2736 2825];%因变量时间序列数据%生成一个17*2 矩阵，其中第1 列元素均为1，作为常数项的自变量X=[ones(size(x')),x'];%调用一元回归分析函数，自变量X 包含常数项和因变量，b 是回归参数估计值，%bint是置信区间，r 和rint 分别表示残差及残差对应的置信区间。[b,bint,r,rint,stats]=regress(y',X,0.05); fprintf('一元线性回归模型参数为：\n')bfprintf('回归模型拟合度系数R2为：\n')R2=stats(1)fprintf('回归模型显著性检验F统计量为：\n')F=stats(2)fprintf('回归模型显著性检验P值为：\n')PVAL=stats(3)fprintf('回归模型在置信度区间下残差分布图为：\n')rcoplot(r,rint)

• 分析结果：

一元线性回归模型参数为：b = -479.8659    0.9961回归模型拟合度系数R2为：R2 =    0.9596回归模型显著性检验F统计量为：F =  355.9771回归模型显著性检验P值为：PVAL =   7.3305e-12回归模型在置信度区间下残差分布图为：

02

—

多元线性回归分析

• 代码：

% 多元回归分析% 输入各种因变量数据x1=[5.5 2.5 8 3 3 2.9 8 9 4 6.5 5.5 5 6 5 3.5 8 6 4 7.5 7]';x2=[31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59]';x3=[10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9]';x4=[8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11]';%输入自变量数据y=[79.3 200.1 163.1 200.1 146.0 177.7 30.9 291.9 160 339.4 159.6 86.3 237.5 107.2 155 201.4 100.2 135.8 223.3 195]';X=[ones(size(x1)),x1,x2,x3,x4];[b,bint,r,rint,stats]=regress(y,X);fprintf('多元线性回归模型参数为：\n')bfprintf('回归模型拟合度系数R2为：\n')R2=stats(1)fprintf('回归模型显著性检验F统计量为：\n')F=stats(2)fprintf('回归模型显著性检验P值为：\n')PVAL=stats(3)fprintf('回归模型在置信度区间下残差分布图为：\n')rcoplot(r,rint)

• 分析结果：

多元线性回归模型参数为：b =  191.9906   -0.7751    3.1718  -19.6849   -0.4494回归模型拟合度系数R2为：R2 =    0.9034回归模型显著性检验F统计量为：F =   35.0555回归模型显著性检验P值为：PVAL =   1.9022e-07回归模型在置信度区间下残差分布图为：

03

—

非线性回归分析(编码计算方式)

• 代码：

% 读入人口数据(1971－2000年)y = [33815      33981       34004       34165       34212       34327       34344       34458       34498       34476       34483       34488       34513       34497       34511      34520       34507       34509       34521       34513       34515       34517       34519       34519       34521       34521       34523       34525       34525       34527]';% 读入时间变量数据(t＝年份－1970)T=[1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30]';% (Logisic曲线)线性化处理for t = 1:30,    x(t)=exp(-t); %x是行向量，后面使用时要转成列向量   y(t)=1/y(t,1);end% 计算，并输出回归系数Bc=zeros(30,1)+1; %常数项自变量X=[c,x']; fprintf('非线性回归模型参数为：\n')B=inv(X'*X)*X'*y %inv函数求解矩阵的逆矩阵for i=1:30    z(i)=B(1,1)+B(2,1)*x(i);% 计算回归拟合值      s(i)=y(i)-sum(y)/30;% 计算离差    w(i)=z(i)-y(i);% 计算误差    endS=s*s';% 计算离差平方和SQ=w*w';% 回归误差平方和QU=S-Q;% 计算回归平方和U% 计算，并输出F检验值fprintf('回归模型拟合度系数R2为：\n')R2=U/Sfprintf('回归模型显著性检验F统计量为：\n')F=(30-2)*U/Q% 计算非线性回归模型的拟合值for j=1:30,    Y(j)=1/(B(1,1)+B(2,1)*exp(-j));endfprintf('非线性回归模型的拟合曲线(Logisic曲线)：\n')plot(T,Y)

• 分析结果：

非线性回归模型参数为：B =   1.0e-04 *    0.2902    0.0182回归模型拟合度系数R2为：R2 =    0.6310回归模型显著性检验F统计量为：F =   47.8774非线性回归模型的拟合曲线(Logisic曲线)：