線性與非線性回歸分析初步第1次-資料下載頁
2025-05-13 22:24本頁面
【正文】 ,:),y,39。gs39。,39。linewidth39。,2)。title(39。病情 vs評分 39。)。 subplot(1,3,3)。plot(x(3,:),y,39。bs39。,39。linewidth39。,2)。title(39。憂慮 vs評分 39。)。 由散點圖分析知： 自變量年齡、病情、憂慮與因變量評分呈顯著線性關系 ，所以可以建立多元線性回歸模型 0 1 1 2 2 3 3 0 1 2 32, , ,~ ( 0 , )y x x xN x y? ? ? ? ? ? ? ? ???? ? ? ? ??????其中 是未知參數(shù)是自變量, 是因變量第五講 一元多元線性回歸 與非線性回歸 17 多元線性回歸 ( linear regression ) 利用數(shù)據(jù)按照最小二乘準則計算模型中的系數(shù) : load %載入數(shù)據(jù)源 alpha=。 x=[ones(length(x),1),x39。]。 y=y39。 [b,bint,r,rint,stats]=regress(y,x,alpha)。 disp([39?；貧w系數(shù) b估計值 :39。, num2str(b39。)])。 disp([39。相關系數(shù) R絕對值 :39。,num2str(sqrt(stats(1)))])。 disp([39。假設檢驗統(tǒng)計量 F:39。,num2str(stats(2))])。%finv(,3,19) disp([39。統(tǒng)計量 F對應概率 P:39。,num2str(stats(3))])。 rcoplot(r,rint) %畫出殘差及其置信區(qū)間 (時序殘差圖 ) fprintf(39?；貧w函數(shù)為 y=%.4f+%.4f*x1+%.4f*x2 +%.4f*x339。,b(1),b(2),b(3),b(4))。 第五講 一元多元線性回歸 與非線性回歸 18 多元線性回歸 ( linear regression ) 找出與數(shù)據(jù)擬合得最好的模型 : 經(jīng)過對 stats統(tǒng)計量和時序殘差圖的綜合分析，回歸顯著，回歸函數(shù)具有統(tǒng)計學意義 第五講 一元多元線性回歸 與非線性回歸 19 多元線性回歸 ( linear regression ) 基于最小二乘的多元 線性 回歸工具 rstool： Interactive fitting and visualization of a response surface： rstool(x,y,39。model39。) rstool(x,y,39。model39。,alpha,39。xname39。,39。yname39。) 方法 2: rstool交互式回歸工具 load %載入數(shù)據(jù)源 x=x39。 y=y39。 rstool(x,y,39。linear39。,[39。年齡 39。39。病情 39。39。憂慮 39。],39。評分 39。)。 第五講 一元多元線性回歸 與非線性回歸 20 多元線性回歸 ( linear regression ) 基于多元線性回歸的逐步回歸工具 stepwise： Interactive environment for stepwise regression： stepwise(X,y,inmodel) stepwise(X,y,inmodel,alpha) 方法 3: stepwise逐步回歸工具 load %載入數(shù)據(jù)源 x=x39。 y=y39。 stepwise(x,y,[1,2,3],)。
研究報告相關推薦
鄂ICP備17016276號-1