如何使用线性回归方法

Ⅰ 怎么判断用线性回归还是非线性回归

优先选择线性回归，因为线性回归容易处理。也可以选择非线性回归。非线性回归很复杂，而线性回归的方法基本上前人已经完善的差不多了。

处理可线性化处理的非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理。

假定根据理论或经验，已获得输出变量与输入变量之间的非线性表达式，但表达式的系数是未知的，要根据输入输出的n次观察结果来确定系数的值。

(1)如何使用线性回归方法扩展阅读：

多数非线性模型中，参数必须限制在有意义的区间内。指的是在迭代过程中对参数的限制。分为线性约束和非线性约束。线性约束中将参数乘以常数 但这个常数不能为其他参数或者自身。非线性约束中至少有一个参数和其他参数相乘或者相除或者进行幂运算。

线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在桥回归中最小化最小二乘损失函数的惩罚。

相反，最小二乘逼近可以用来拟合那些非线性的模型。因此，尽管“最小二乘法”和“线性模型”是紧密相连的，但他们是不能划等号的。

Ⅱ 如何用matlab线性回归分析

回归分析是处理两个及两个以上变量间线性依存关系的统计方法。可以通过软件Matlab实现。

在Matlab中，可以直接调用命令实现回归分析，

（1）[b,bint,r,rint,stats]=regress(y,x)，其中b是回归方程中的参数估计值，bint是b的置信区间，r和rint分别表示残差及残差对应的置信区间。stats包含三个数字，分别是相关系数，F统计量及对应的概率p值。

（2）recplot(r,rint)作残差分析图。

（3）rstool(x,y)一种交互式方式的句柄命令。

Ⅲ 怎样用excel画线性回归曲线

怎样用excel画线性回归曲线的解决方法如下：
1、用数值做出一个（xy）散点图，
2、右键散点图中的点，
3、选择“添加趋势线...”，
4、在“类型”中选择“线性”
5、点击确定按钮， 这样就可以了。

Ⅳ 线性回归方程怎么用（高中程度）

我们以一简单数据组来说明什么是线性回归。假设有一组数据型态为 y=y(x)，其中

x={0, 1, 2, 3, 4, 5}, y={0, 20, 60, 68, 77, 110}

如果我们要以一个最简单的方程式来近似这组数据，则非一阶的线性方程式莫属。先将这组数据绘图如下

图中的斜线是我们随意假设一阶线性方程式 y=20x，用以代表这些数据的一个方程式。以下将上述绘图的 MATLAB 指令列出，并计算这个线性方程式的 y 值与原数据 y 值间误差平方的总合。

>> x=[0 1 2 3 4 5];

>> y=[0 20 60 68 77 110];

>> y1=20*x; % 一阶线性方程式的 y1 值

>> sum_sq = sum(y-y1).^2); % 误差平方总合为 573

>> axis([-1,6,-20,120])

>> plot(x,y1,x,y,'o'), title('Linear estimate'), grid

如此任意的假设一个线性方程式并无根据，如果换成其它人来设定就可能采用不同的线性方程式；所以我们 须要有比较精确方式决定理想的线性方程式。我们可以要求误差平方的总合为最小，做为决定理想的线性方 程式的准则，这样的方法就称为最小平方误差(least squares error)或是线性回归。MATLAB的polyfit函数提供了 从一阶到高阶多项式的回归法，其语法为polyfit(x,y,n)，其中x,y为输入数据组n为多项式的阶数，n=1就是一阶 的线性回归法。polyfit函数所建立的多项式可以写成

从polyfit函数得到的输出值就是上述的各项系数，以一阶线性回归为例n=1，所以只有 二个输出值。如果指令为coef=polyfit(x,y,n)，则coef(1)= , coef(2)=,...,coef(n+1)= 。注意上式对n 阶的多 项式会有 n+1 项的系数。我们来看以下的线性回归的示范：

>> x=[0 1 2 3 4 5];

>> y=[0 20 60 68 77 110];

>> coef=polyfit(x,y,1); % coef 代表线性回归的二个输出值

>> a0=coef(1); a1=coef(2);

>> ybest=a1*x+a0; % 由线性回归产生的一阶方程式

>> sum_sq=sum(y-ybest).^2); % 误差平方总合为 356.82

>> axis([-1,6,-20,120])

>> plot(x,ybest,x,y,'o'), title('Linear regression estimate'), grid
参考资料：http://www.nuist.e.cn/courses/gllysltj/gltj/10/gltj10020101.htm

Ⅳ 用Excel 多元线性回归的方法分析数据

1.理清各个数据之间的逻辑关系，搞清楚哪个是自变量，哪个又是因变量。如附图所示，这里要对人均gdp和城市化水平进行分析，建立符合两者之间的模型，假定人均gdp为自变量，城市化水平是因变量。
2.由于不知道两者之间的具体关系如何，所以利用数据生成一个散点图判断其可能符合的模型。如附图1所示为生成的散点图，一般横坐标为自变量，纵坐标为因变量，所以需要将x轴，y轴的坐标对调一下，这里采用最简单的方法，将因变量移动到自变量的右边一列即可，如附图2所示。
3.由步骤2的散点图，可以判断自变量和因变量之间可能呈线性关系，可以添加线性趋势线进一步加以判断。如附图1所示。也可以添加指数，移动平均等趋势线进行判断。很明显数据可能符合线性关系，所以下面我们对数据进行回归分析。
4.选择菜单栏的“数据分析”-->“回归”。具体操作如附图所示。
5.步骤4进行的回归分析输出结果如附图所示。回归模型是否有效，可以参见p指，如果p<0.001则极端显着，如果0.001<p<0.01非常显着，0.01<p<0.05则一般显着，p>0.05则不显着。本例的p值均小于0.001，所以属于极端显着，故回归模型是有效的。根据回归模型的结果可知。
y
=
5E-06x
+
0.5876R²
=
0.9439
如附图2所示。

Ⅵ 如何用excel做线性回归方程

方法/步骤

先是将数据录入到excel中，下面我是顺便编了一组数据，不算好看，只要大家懂就行了。

插入XY散点图，点击进入“下一步”。

点击箭头所示图标，将X轴数据选中，点回车键返回到这个界面。系列产生在“行”。

点击上面的“系列”，按上述方法将X值Y值分别选中。其它的什么命名大家应该都会，我就直接点击“完成"了。

此时就可以得到下图所示的散点图。

然后双击任何一个散点，进入下面这个界面。类型可以根据自己需要进行选择。

点击上面的”选项“，将”显示公式“打勾，点击确定即可。

8
此时就得到了下面所示的线性回归方程的图形，斜率也可以直接从图形中读出。

Ⅶ 股票中画线工具的线性回归带怎么用

扯淡用的，你是股评听多了！屁股想想就知道了，股评就是瞎侃，不推荐学习！宏观经济形势听听就算了，所谓技术流，我坚决不信。补充一点：就算信，你也学不来！

Ⅷ 怎么用EXCEL 线性回归方程

你按F1进入帮助，查找LINEST，很好的解释和例子。注意是数组公式，回车时需要同时按Ctrl和Shift键。

Ⅸ 线性回归法

在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。（这反过来又应当由多个相关的因变量预测的多元线性回归区别，而不是一个单一的标量变量。）
回归分析中有多个自变量：这里有一个原则问题，这些自变量的重要性，究竟谁是最重要，谁是比较重要，谁是不重要。所以，spss线性回归有一个和逐步判别分析的等价的设置。
原理：是F检验。spss中的操作是“分析”～“回归”～“线性”主对话框方法框中需先选定“逐步”方法～“选项”子对话框
如果是选择“用F检验的概率值”，越小代表这个变量越容易进入方程。原因是这个变量的F检验的概率小，说明它显着，也就是这个变量对回归方程的贡献越大，进一步说就是该变量被引入回归方程的资格越大。究其根本，就是零假设分水岭，例如要是把进入设为0.05，大于它说明接受零假设，这个变量对回归方程没有什么重要性，但是一旦小于0.05，说明，这个变量很重要应该引起注意。这个0.05就是进入回归方程的通行证。
下一步：“移除”选项：如果一个自变量F检验的P值也就是概率值大于移除中所设置的值，这个变量就要被移除回归方程。spss回归分析也就是把自变量作为一组待选的商品，高于这个价就不要，低于一个比这个价小一些的就买来。所以“移除”中的值要大于“进入”中的值，默认“进入”值为0.05，“移除”值为0.10
如果，使用“采用F值”作为判据，整个情况就颠倒了，“进入”值大于“移除”值，并且是自变量的进入值需要大于设定值才能进入回归方程。这里的原因就是F检验原理的计算公式。所以才有这样的差别。
结果：如同判别分析的逐步方法，表格中给出所有自变量进入回归方程情况。这个表格的标志是，第一列写着拟合步骤编号，第二列写着每步进入回归方程的编号，第三列写着从回归方程中剔除的自变量。第四列写着自变量引入或者剔除的判据，下面跟着一堆文字。

Ⅹ 如何用spss做线性回归

多元线性回归
1.打开数据，依次点击：analyse--regression，打开多元线性回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
虚拟变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
5.选项里面至少选择95%CI。
点击ok。
统计专业研究生工作室原创，请勿复杂粘贴