matlab中多元线性回归的例子.ppt

2.线性回归;回归模型;模型建立;;回归系数; 此时可见第二与第十二个点是异常点，于是删除上述两点，再次进行回归得到改进后的回归模型的系数、系数置信区间与统计量;通常，进行多元线性回归的步骤如下： （1）做自变量与因变量的散点图，根据散点图的形状决定是否可以进行线性回归； （2）输入自变量与因变量； （3）利用命令： [b,bint,r,rint,s]=regress(y,X,alpha)，rcoplot(r,rint) 得到回归模型的系数以及异常点的情况； （4）对回归模型进行检验 首先进行残差的正态性检验：jbtest，ttest;其次进行残差的异方差检验: 戈德菲尔德一匡特(Goldfeld—Quandt)检验 戈德菲尔德检验，简称为G—Q检验.为了检验异方差性，将样本按解释变量排序后分成两部分，再利用样本1和样本2分别建立回归模型，并求出各自的残差平方和RSSl和RSS2。如果误差项的离散程度相同(即为同方差的)，则RSSl和RSS2的值应该大致相同；若两者之间存在显著差异，则表明存在异方差. 检验过程中为了“夸大”残差的差异性，一般先在样本中部去掉C个数据(通常取c＝n／4)，再利用F统计量判断差异的显著性： ;;下面我们对模型进行检验： （1）残差的正态检验： 由jbtest检验，h=0表明残差服从正态分布，进而由t检验可知h=0，p=1，故残差服从均值为零的正态分布； （2）残差的异方差检验： 我们将28个数据从小到大排列，去掉中间的6个数据，得到F统计量的观测值为：f =1.9092,