0.6887 -2.4974 0.6281
rint =
-3.4880 2.2333 -3.9122 1.7830 -3.5054 2.5018 -1.2128 4.4603 -2.3692 3.8678 -3.3232 3.0729 -4.0904 2.0912 -0.5307 4.7826 -2.3853 3.7627 -4.5073 -0.4875 -1.9681 3.2244
stats =
0.9816 479.8521 0.0000 1.9575
Residual Case Order Plot43210-1-2-3-41234567Case Number891011Residuals
残差图
结果分析：从残差图可以看出，除第10个数据外,其余数据的残差离零点均较近，且
9
残差的置信区间均包含零点，第10个数据可视为异常点（剔除）。在进行运算
clear all;clc
x1=[0 5 10 20 30 40 50 60 65 100]'; x=[ones(10,1), x1];
y=[5 6 8 13 15 17 19 25 25 35]'; [b,bint,r,rint,stats]=regress(y,x,0.05) rcoplot(r,rint)
运行结果为 b =
5.3232 0.3020
bint =
4.0806 6.5658 0.2763 0.3277 r =
-0.3232 -0.8333 -0.3434 1.6364 0.6162 -0.4040 -1.4242 1.5556 0.0455 -0.5253
rint =
-2.5344 1.8880 -3.0035 1.3368 -2.6625 1.9756 -0.3081 3.5809 -1.7762 3.0085
10
-2.8398 2.0317 -3.5243 0.6758 -0.4081 3.5192 -2.3014 2.3923 -2.2415 1.1910
stats =
0.9892 733.5467 0.0000 1.1080
Residual Case Order Plot321Residuals0-1-2-3123456Case Number78910残差
图
从残差图可以看出，数据的残差离零点均较近，且残差的置信区间均包含零点，说明回归模型
y= 5.3232+ 0.3020x能较好的符合原始数据，
预测x=120时的y的置信水平为0.95的预测区间。 将120带入y= 5.3232+ 0.3020x可得y= 41.5632
11
2.多元线性回归问题 散点图
眼肌面积1816141220253035腰柔量181614121.41.61.82多元线性回归 程序:
clear all;clc
x1=[23.73 5.49 1.21 22.34 4.32 1.35 28.84 5.04 1.92 27.67 4.72 1.49 20.83 5.35 1.56 22.27 4.27 1.50 27.57 5.25 1.85 28.01 4.62 1.51 24.79 4.42 1.46 28.96 5.30 1.66
腿肉量1816141244.555.56
12
相关推荐：
loading