《数学实验 第4版》课件 第七章 回归分析.ppt

*（5）交互方式工具图用plotSlice(nlfit)函数得到一个交互式画面图调节变量的值可得到相应的结果，如y的预测值.左下方的Export可向工作区内存传送数据，如回归系数、残差、剩余标准差和对应的y的预测值及区间等.也可用鼠标拖动蓝色的十字线调节变量的取值.*五、应用举例下表列出（部分）了汽车旅馆的总评价得分y与各个可能影响因素评分的数据.该数据存放于shuju.xlsx文件.试分析y与各个因素的关系，并建立关系模型，并检验模型.汽车旅馆名称场地大小(x1)外卖(x2)可获得场地(x3)评估分(x4)总评价得分(y)Tennessee535030381334613Baltimore501449396733312NewYorkGiants637631454632812Oakland577637524947912Minnesota596118570139711Philadelphia500631482035111部分数据*（1）导入数据data=xlsread(shuju.xlsx,b2:f32);↙命令窗口输入:X=data(:,1:4),Y=data(:,5);↙因为影响因素多，因素之间可能存在共线性等，为了得到“最优”模型，采用逐步回归法:注：data=readmatrix(shuju.xlsx,Range,b2:f32);%2019以后新命令*（2）逐步回归命令，建立“最优”模型。Setpwiselm（X，Y）↙得到结果：1.正在添加x4,FStat=25.1288,pValue=2.44754e-052.正在添加x3,FStat=22.5931,pValue=5.44505e-05zlfm=线性回归模型:y~1+x3+x4估计系数:EstimateSEtStatpValue(Intercept)13.8563.29464.20550x3-0.00276370-4.75325.445e-05x40.0250030.0038796.44575.5633e-07*观测值数目:31，误差自由度:28均方根误差:1.78R方:0.703，调整R方0.682F统计量(常量模型):33.2，p值=4.06e-08有计算结果可得模型一：y=13.856-0.00276x3+0.025x4.回归系数和回归方程都通过了0.01的显著性检验.拟合优度到0.703，回归方程也高度显著．*第七章回归分析实验7.1一元回归分析实验7.2多元回归分析数学实验*在命令窗口输入：plotDiagnostics(dlmf,cookd)↙如图可见第一个数据的残差大于平均值.*[~,larg]=max(dlmf.Diagnostics.CooksDistance);↙dlmf2=LinearModel.fit(X,Y,Exclude,larg)↙dlmf2=（略）剔除该异常数据，重新回归：可见各项统计指标R2和F检验概率都显著增大,剩余标准差变得更小，模型拟合效果得到进一步改善.注：如果使用Regress命令，还可以利用rcoplot(r,rint)得到残差及置信区间的图.*两种广告费用之间会不会有影响呢?大家可以深入考虑模型应该如何改进.也可以利用LinearModel.fit(X,Y,interactions)试一试.这里‘interactions’选项表示上述模型的基础上引入x1*x2交叉项.*例4.某产品的收率Y（%）与处理压强X1(1.0e+5Pa)及温度x2(摄氏度)有关，测的实验数据如下;请检验产品收率Y与处理压强X1及温度X2之间是否存在显著的线性相关关系;如果存在，求Y关于X1及X2的线性回归方程.X1X2YX1X2Y6.8665409.1700657.2685499.3680587.6690559.568559