- 1、本文档共11页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
matlab多元线性回归模型
云南大学数学与统计学实验教学中心实验报告
第PAGE3页共NUMPAGES6页
云南大学数学与统计学实验教学中心实验报告
第PAGE1页共NUMPAGES29页
实验二:某建筑材料公司的销售量因素分析
下表数据是某建筑材料公司去年20个地区的销售量(Y,千方),推销开支、实际帐目数、同类商品竞争数和地区销售潜力分别是影响建筑材料销售量的因素。1)试建立回归模型,且分析哪些是主要的影响因素。2)建立最优回归模型。
地区i
推销开支(x1)
实际帐目数(x2)
同类商品竞争数(x3)
地区销售潜力(x4)
销售量
Y
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5.5
2.5
8.0
3.0
3.0
2.9
8.0
9.0
4.0
6.5
5.5
5.0
6.0
5.0
3.5
8.0
6.0
4.0
7.5
7.0
31
55
67
50
38
71
30
56
42
73
60
44
50
39
55
70
40
50
62
59
10
8
12
7
8
12
12
5
8
5
11
12
6
10
10
6
11
11
9
9
8
6
9
16
15
17
8
10
4
16
7
12
6
4
4
14
6
8
13
11
79.3
200.1
163.2
200.1
146.0
177.7
30.9
291.9
160.0
339.4
159.6
86.3
237.5
107.2
155.0
201.4
100.2
135.8
223.3
195.0
?提示:建立一个多元线性回归模型。
三、实验环境
Windows操作系统;
MATLAB7.0.
四、实验过程
实验一:运用回归分析在MATLAB里实现
输入:x=[4.205.307.103.706.203.504.805.504.105.004.003.406.90];
X=[ones(13,1)x];
Y=[1.401.201.001.901.302.401.401.602.001.001.601.801.40];
plot(x,Y,*);
[b,bint,r,rint,stats]=regress(Y,X,0.05);
输出:b=2.6597-0.2288
bint=1.88733.4322
-0.3820-0.0757
stats=0.495810.81680.00720.0903
即-0.2288,的置信区间为[1.88733.4322],的置信区间为[-0.3820-0.0757];
=0.4958,F=10.8168,p=0.0072因P0.05,可知回归模型y=2.6597-0.2288x成立.
估计某家公司商品流转费用率是6.5%的出口换汇成本。将x=6.5代入回归模型中,得到
x=6.5;
y=2.6597-0.2288*x
y=
1.1725
实验二:在MATLAB里实现,
①首先建立回归模型
输出:
x1=[5.52.58.03.03.02.98.09.04.06.55.55.06.05.03.58.06.04.07.57.0];
x2=[3155675038713056427360445039557040506259];
x3=[108127812125851112610106111199];
x4=[86916151781041671264414681311];
Y=[79.3200.1163.2200.1146.0177.730.9291.9160.0339.4159.686.3237.5107.2155.0201.4100.2135.8223.3195.0];
X=[ones(20,1)x1x2x3x4];
[b,bint,r,rint,stats]=regress(Y,X,0.05);
b,bint,stats
输出:
b=
191.9158
-0.7719
3.1725
-19.6811
-0.4501
bint=
103.1071280.7245
-7.14455.6007
2.06404.2809
-25.1651-14.1972
-3
文档评论(0)