-0.0000-0.0000 1.0000 1.0e+030* 0.00002.6097 结果表明,二者之间不存在线性关系 xt=ones(size(xD)) xxt; xl B, bint, r, rint, stats]=regress(y, x, 0.05), b=B, bint, stats b 6.04561.9112 5.85016.2412 1.27842.5440 0.577538.27930.0000 查表F(1,28)=420<38.2793,故可认为线性关系成立但是R2=0.5775表明5775%由线性 关系确定 对于x2,我们采用二次函数模型 y=Bo+Bx2+B, 2+e 这样我们得到如下回归模型: y=Bo+Bx2+P2x2 +B3x2+e 利用 matlab统计工具箱中的 regress求解,可以得到模型为 y=173224+1.3070x2-36956x2+0.3486x2+E 查表F(3,30-3-1)=F(3,26)=298,而统计量F的值为829,故我们认为这个模型可用-0.0000 -0.0000 1.0000 1.0000 stats = 1.0e+030 * 0.0000 2.6097 0 结果表明,二者之间不存在线性关系. xt=ones(size(x1)); x=[xt;x1]' [B,bint,r,rint,stats]=regress(y,x,0.05); b=B',bint,stats rcoplot(r,rint) b = 6.0456 1.9112 bint = 5.8501 6.2412 1.2784 2.5440 stats = 0.5775 38.2793 0.0000 查表F(1,28)=4.20<<38.2793,故可认为线性关系成立,但是R2=0.5775,表明57.75%由线性 关系确定. 对于 x2,我们采用二次函数模型: =  +  +  +  2 0 1 2 2 2 y x x 这样,我们得到如下回归模型: =  +  +  +  +  2 0 1 2 2 2 3 2 y x x x 利用 matlab 统计工具箱中的 regress 求解,可以得到模型为 = + − + +  2 2 2 3486 2 y 17.3224 1.3070x 3.6956x 0. x 查表:F(3,30-3-1)=F(3,26)=2.98,而统计量 F 的值为 82.9,故我们认为这个模型可用