一元回归及多元回归模型

目录

一、前言

二、案例分析求解

2.1问题一

2.1.1分析

2.1.2Matlab求解一元线性回归模型 

2.1.3结果

2.2问题二

​

2.2.1分析

2.2.2Matlab求解

2.2.3结果 

三、回归分析

一、前言

对于线性回归方程模型，在数据点拟合中，常常利用多项式进行拟合，找出一条数据点与线上距离平方和最小的曲线。

1.[p,s]=polyfit(x,y,n)为进行x向量与y向量进行多项式求解的函数，n为拟合函数的次数。p为由高到低的系数矩阵，s为结构数组。

2.ployval(p,x)为求拟合方程p在x处的值。

3.r=corrcoef(x,y)为求相关系数矩阵，1表示最大程度的正相关，-1表示最大程度的负相关。

二、案例分析求解

2.1问题一

       首先，先看第一个例子，众所周知，车辆都是具有使用寿命和使用年限的，一般来说，随着使用时间的增长，车辆的新度（几成新）也在不断地降低，车辆此时的市场价格也在发生着变化。请研究使用时长(x)与车辆市场价格(y)之间的关系。

2.1.1分析

        对于使用时长和市场价格之间的关系，首先应利用plot绘图函数进行数据点的刻画，结合所学知识进行初步判断，进行多项式拟合，并验证设想。

x=1:10;

y=2650 1942 1493 1056 766 539 485 291 224 202;

2.1.2Matlab求解一元线性回归模型 

1.利用软件进行数据点的刻画

结合所学知识，观察图像可知，数据点的解读为，随着使用年限的增加，车辆的时长价格又迅速的下降趋势转变为缓慢的下降趋势。

相关程序：

clear
x=1:10;
y=[2650 1942 1493 1056 766 539 485 291 224 202];
plot(x,y,'ok')