用微信扫码二维码

分享至好友和朋友圈

回归模型的引入

由于客观事物内部规律的复杂性及人们认识程度的限制，无法分析实际对象内在的因果关系，建立合乎机理规律的数学模型。所以在遇到有些无法用机理分析建立数学模型的时候，通常采取搜集大量数据的办法，基于对数据的统计分析去建立模型，其中用途最为广泛的一类随即模型就是统计回归模型。

回归模型确定的变量之间是相关关系，在大量的观察下，会表现出一定的规律性，可以借助函数关系式来表达，这种函数就称为回归函数或回归方程。

回归模型的分类

用回归模型解题的步骤

回归模型解题步骤主要包括两部分，一：确定回归模型属于那种基本类型，然后通过计算得到回归方程的表达式；二：是对回归模型进行显著性检验。

一：①根据试验数据画出散点图；

②确定经验公式的函数类型；

③通过最小二乘法得到正规方程组；

④求解方程组，得到回归方程的表达式。

二：①相关系数检验，检验线性相关程度的大小；

②F检验法（这两种检验方法可以任意选）；

③残差分析；

④对于多元回归分析还要进行因素的主次排序；

如果检验结果表示此模型的显著性很差，那么应当另选回归模型了。

模型的转化

非线性的回归模型可以通过线性变换转变为线性的方程来进行求解：例如

函数关系式可以通过线性变换：

转化为一元线性方程组来求解，对于多元的也可以进行类似的转换。

举例

例1（多元线性回归模型）：已知某湖八年来湖水中COD浓度实测值(y)与影响因素湖区工业产值(x1)、总人口数(x2)、捕鱼量(x3)、降水量(x4)资料，建立污染物y的水质分析模型。

%输入数据

x1=[1.376, 1.375, 1.387, 1.401, 1.412, 1.428, 1.445, 1.477]

x2=[0.450, 0.475, 0.485, 0.500, 0.535, 0.545, 0.550, 0.575]

x3=[2.170 ,2.554, 2.676, 2.713, 2.823, 3.088, 3.122, 3.262]

x4=[0.8922, 1.1610 ,0.5346, 0.9589, 1.0239, 1.0499, 1.1065, 1.1387]

y=[5.19, 5.30, 5.60，5.82，6.00, 6.06，6.45， 6.95]

x=[ones(8,1),x1' x2' x3' x4']

[b，bint，r，rint，stats] = regress(y’,x)

输出如下：

即：

通过查表可知，R2代表决定系数（R代表相关系数），它的值很接近与1，说明此方程是高度线性相关的；F检验值为80.9530远大于

可见，检验结果是显著的。

例2（非线性回归模型）非线性回归模型可由命令nlinfit来实现，调用格式为

[beta,r,j] = nlinfit(x，y，'model’，beta0)

其中，输人数据x，y分别为n×m矩阵和n维列向量，对一元非线性回归，x为n维列向量model是事先用 m-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，j是Jacobian矩阵，它们是估计预测误差需要的数据。

预测和预测误差估计用命令

[y,delta] = nlpredci(’model’，x，beta,r,j)

如：对实例1中COD浓度实测值(y)，建立时序预测模型，这里选用logistic模型。即

matlab步骤如下：

(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)

yhat=beta(1)．／(1+beta(2)*exp(-beta(3)*t))

(2)输人数据

t=1：8

load data y(在data.mat中取出数据y)

beta0=[50，10，1]’

(3)求回归系数

[beta,r,j]=nlinfit(t’,y’，’model’，beta0)

得结果：

beta=(56.1157，10.4006，0.0445)’即

(4)预测及作图

[yy，delta] = nlprodei(’model’，t’，beta,r，j)；

plot(t，y，’k+’，t，yy,’r’)

3．逐步回归

逐步回归的命令是stepwise，它提供了一个交互式画面，通过此工具可以自由地选择变量，进行统计分析。调用格式为：

stepwise(x，y，inmodel，alpha)

其中x是自变量数据，y是因变量数据，分别为n×m和n×l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(缺省时为0.5)

结果产生三个图形窗口，在stepwise plot窗口，虚线表示该变量的拟合系数与0无显著差异，实线表示有显著差异，红色线表示从模型中移去的变量；绿色线表明存在模型中的变量，点击一条会改变其状态。在stepwise Table窗口中列出一个统计表，包括回归系数及其置信区间，以及模型的统计量剩余标准差(RMSE)，相关系数 (R-square)，F值和P值。

国赛备战时间紧迫，剩下的时间我们该做些什么？竞赛题目有哪些选择技巧？需要掌握的基本知识有哪些？如何读题解题？出题人思路该如何揣摩？点击下方小程序，你想知道的都在这里：

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.