数模regress函数在Matlab统计工具箱中使用命令实现多元线性

1、在Matlab统计工具箱中使用命令regress()实现多元线性回归，调用格式为 或b，bint，r，rint，statsl=其中因变量数据向量yx出向量b，bint为回归系数估计值和它们的置信区间，r，rint为残差及其置信区间，stats 是用于检验回归模型的统计量，有三个数值，第一个是R2R时拒绝 H0，回归模型成立画出残差及其置信区间，用命令1COD浓度实测值(y)输入数x1=1.376,1.375,1.387,1.401,1.412,1.428,1.445,x2=0.450,0.475,0.485,0.500,0.535,0.545,0.550,x3=2.170,2.554,2.67

2、6,2.713,2.823,3.088,3.122,x4=0.8922,1.1610,0.5346,0.9589,1.0239,1.0499,1.1065,y=5.19,5.30,5.60，5.82，6.00,6.06，6.45，保存数据(以数据文件.mat形式保存，便于以后调用) save data x1 x2 x3 x4 yloaddata取出数据) x =ones(8,1)， ； b，bint，r，rint，statsregressb=(-16.5283，15.7206，2.0327，-0.2106，-0.1991) stats = (0.9908，80.9530，0.0022)即=-1

3、6.5283+15.7206xl+2.0327x2-0.2106x3+0.1991x4 R2 = 0.9908，F = 80.9530，P = 0.0022非线性回归可由命令nlinfitbeta,r,j=其中，输人数据x，y分别为nmn维列向量，对一元非线性回归，x为n维列向量modelm-文件定义的非线性函数，beta0是回归系数的初值， beta 是估计出的回归系数，r 是残差，jJacobian 矩阵，它们是估计y,delta= (1)对所要拟合的非线性模型建立的m-文件mode1.m如下： function yhat=model(beta,t) 输人数loaddatay(在data.

4、maty) 即预测及作yy，delta=nlprodei(model，t，beta,r，j)； stepwise，它提供了一个交互式画面，通过此工具可以自其中x是自变量数据，y是因变量数据，分别为nm和nl矩阵，inmodel是矩阵的列数指标(缺省时为全部自变量)，alpha,为显著性水平(0.5) stepwise Table 窗口中(RMSE)，相关系数(R-square)，F值和PMATLAB中进行回归分析bregress(y，x)y和回归矩阵xb，bint，r,rint，statsregress(y,x)则给出系数的估计值b；系数估计值的置信度为95的置信区间bintr及各残差的置信区

5、间rint;statsR2统计量和FP值b，bint，r,rint，statsregess(y，alpha)给出置信度为 1-alpha 的结果，他符号意义同上1结果说明：b 为回归模型中的常数项及回归系数. Bint 为各系数的 95%置信区间r和rint为对应每个实际值的残差和残差置信区间。Stats向量的值分别为拟合优度、F值和显著性概率p. . b,bint,r,rint,ststs=regress(y,x,alpha) 可用help查阅此命令的具体用法残差及置信区间可以b,bint,r,rint,stats=regress(y,X,0.05); b,bint,stats,rcoplot(r,rint) 为 0=27.0269 1=140.61940的置信区间是22.3226,31.73131的111.7842,169.4546建模软件建模软件matlab R2=0.9219F=118.0670,p10-4.R是衡量y与x的相关程度的指标,称为相关系数.R越大,x与y关系越密切.R0.9才认为相关关系成立. F 是一统计指标,p