多元线性回归

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。

多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际应用时都要借助统计软件。

在MATLAB中使用函数regress，可以实现多元线性回归。函数regress的调用格式为：

[b,bint,r,stats]=regress(y,x,alpha)

其中，因变量数据向量y和自变量数据矩阵x按以下排列方式输入：

对于一元线性回归，取k=1即可。

alpha为显著性水平（缺省时设定为0.05），b为输出向量，bint为回归系数估计值和它们的置信区间，r为残差，rint为置信区间，stats用于检验回归模型的统计量。

【例】

已知8年来洞庭湖湖水中污染物实测值Y与影响因素湖区工业产值x1，总人口数x2、捕鱼量x3、降水量x4资料，建立污染物Y的水质分析模型。

	1.376	1.375	1.387	1.401	1.412	1.428	1.445	1.477
	0.450	0.475	0.485	0.5	0.535	0.545	0.55	0.575
	2.17	2.554	2.676	2.713	2.823	3.088	3.122	3.262
	0.8922	1.161	0.5346	0.9589	1.0239	1.0499	1.1065	1.1387
	5.19	5.3	5.6	5.82	6.	6.06	6.45	5.95

在MATLAB中输入代码：

clear,clc
x1=[1.376,1.375,1.387,1.401,1.412,1.428,1.445,1.447];
x2=[0.45,0.475,0.485,0.5,0.535,0.545,0.55,0.575];
x3=[2.17,2.554,2.676,2.713,2.823,3.088,3.122,3.262];
x4=[0.8922,2.161,0.5346,0.9589,1.0239,1.0499,1.1065,1.1387];
y=[5.19,5.3,5.6,5.82,6,6.06,6.45,6.95]';
x=[ones(size(x1')),x1',x2',x3',x4'];
[b,bint,r,stats]=regress(y,x)

得到结果：

b =
​
  -10.7642
    9.4410
    6.3624
    0.0582
   -0.0463
​
​
bint =
​
  -50.6407   29.1123
  -26.7771   45.6590
  -26.9453   39.6700
   -3.0095    3.1258
   -0.6663    0.5738
​
​
r =
​
    0.0154
    0.0122
    0.0529
    0.0628
   -0.0872
   -0.2560
   -0.0577
    0.2577
​
​
stats =
​
   -0.3849    0.4157
   -0.1170    0.1413
   -0.4047    0.5105
   -0.9902    1.1158
   -0.5754    0.4011
   -0.9287    0.4166
   -0.6913    0.5759
   -0.1780    0.6934

即污染物的水质分析模型为

---

关注微信公众号，学习数模，领取免费资料。