云南大学数学与统计学实验教学中心实验报告
云南大学数学与统计学实验教学中心
实验报告
课程名称：数学实验 指导教师： 实验名称：回归分析 实验编号：六 学院： 一、实验目的
1.熟悉MATLAB的运行环境.
2.学会初步建立数学模型的方法 3.运用回归分析方法来解决问题
学期：2010~2011学年下学期 学生姓名： 实验日期：6月6日 专业：信息与计算科学 成绩： 学生学号： 实验学时：2 年级： 二、实验内容
实验一：某公司出口换回成本分析
对经营同一类产品出口业务的公司进行抽样调查,被调查的13家公司,其出口换汇成本与商品流转费用率资料如下表。试分析两个变量之间的关系,并估计某家公司商品流转费用率是6.5%的出口换汇成本.
公司 出口换汇成本商品流转费用(人民币 率 元/美元) (%) 1 1.40 4.20 2 3 4 5 6 7 1.20 1.00 1.90 1.30 2.40 1.40 5.30 7.10 3.70 6.20 3.50 4.80 公司 出口换汇成本 商品流转费用(人民币 率 元/美元) (%) 8 1.60 5.50 9 10 11 12 13 2.00 1.00 1.60 1.80 1.40 4.10 5.00 4.00 3.40 6.90
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
第 1 页 共 6 页
云南大学数学与统计学实验教学中心实验报告
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 推销开支实际帐目数同类商品竞地区销售潜（x1） （x2） 争数（x3） 力（x4） 1 5.5 31 10 8 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 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 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11 销售量 Y 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。
第 2 页 共 6 页
云南大学数学与统计学实验教学中心实验报告
三、实验环境
Windows操作系统; MATLAB 7.0.
四、实验过程
实验一：运用回归分析在MATLAB里实现
输入：x=[4.20 5.30 7.10 3.70 6.20 3.50 4.80 5.50 4.10 5.00 4.00 3.40 6.90]'; X=[ones(13,1) x];
Y=[1.40 1.20 1.00 1.90 1.30 2.40 1.40 1.60 2.00 1.00 1.60 1.80 1.40]'; plot(x,Y,'*');
[b,bint,r,rint,stats]=regress(Y,X,0.05); 输出： b = 2.6597 -0.2288
bint = 1.8873 3.4322
-0.3820 -0.0757
stats = 0.4958 10.8168 0.0072 0.0903
即??0?2.6597，??,1?-0.2288,??0的置信区间为[1.8873 3.4322],??,1的置信区间为[-0.3820 r2=0.4958, F=10.8168, p=0.0072 因P<0.05, 可知回归模型 y=2.6597-0.2288x 成立.
散点图2.521.5133.544.555.566.577.5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
第 3 页 共 6 页
-0.0757]； 云南大学数学与统计学实验教学中心实验报告
实验二：在MATLAB里实现， ①首先建立回归模型 输出：
x1=[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]'; x2=[31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59]'; x3=[10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9]'; x4=[8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11]';
Y=[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]'; X=[ones(20,1) x1 x2 x3 x4];
[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 =
103.1071 280.7245 -7.1445 5.6007 2.0640 4.2809 -25.1651 -14.1972 -3.7284 2.8283 stats =
0.9034 35.0509 0.0000 644.6510
?=-0.7719 ??=-19.6811 ??= 191.9158 ??= 3.1725 ??=-0.4501； 即?,10324?的置信区间为[-7.1445 5.6007]；??的置信区间为[103.1071 280.7245]；??的置信区间为?,102?的置信区间为[-25.1651 -14.1972]；??的置信区间为[-3.7284 2.8283]； [2.0640 4.2809]；?34r2= 0.9034, F=35.0509, p=0.0000
因P<0.05, 可知回归模型 y=191.9158 -0.7719x1+3.1725*x2-19.6811*x3 -0.4501*x4成立. ②分析哪些是主要的影响因素
输入：x1=[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]'; x2=[31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59]'; x3=[10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9]'; x4=[8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11]';
Y=[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
第 4 页 共 6 页
