23.48
17
164.2
27.52
8
142.8
23.66
18
165.6
27.78
9
145.5
24.10
19
168.7
28.24
10
145.3
24.01
20
172.0
28.78
(1)aa_size=size(aa,1)
>> x=[ones(aa_size,1),aa(:,1)];
>> y=aa(:,2);
>> p=p01/p02
DW=2*(1-p) DW = 0.6793
(3)>> yt=y(2:20)-p*y(1:19);
>> xt=aa(2:20,1)-p*aa(1:19,1);
>> xt=[ones(19,1),xt];
>> b1_est=inv(xt'*xt)*xt'*yt;
>> b2=yt-xt*b1_est;
序号
x
y
序号
x
y
1
127.3
20.96
11
148.3
24.54
2
130.0
21.40
12
146.4
24.28
3
132.7
21.96
13
150.2
25.004129.4 Nhomakorabea21.52
14
153.1
25.64
5
135.0
22.39
15
157.3
26.46
6
137.1
22.76
16
160.7
26.98
7
141.1
4.13表中是某软件公司月销售额数据，其中，x为总公司的月销售额（万元）；y为某分公司的月销售额（万元）。
（1）用普通最小二乘法建立x和y的回归方程。
（2）用残差图及DW检验诊断序列的自相关性。
（3）用迭代法处理序列相关，并建立回归方程。
（4）用一阶差分法处理数据，并建立回归方程。
（5）比较以上各方法所建回归方程的优良性。
>> b_est=inv(x'*x)*x'*y;
b_est
b_est =
-1.4348
0.1762
(2) y_est=x*b_est;
>> b1=y-y_est;
>> plot(b1,'ro')
p01=sum(b1(1:(aa_size-1)).*b1(2:(aa_size)));
>> p02=sqrt(sum(b1(1:(aa_size-1)).^2)*sum(b1(2:aa_size).^2));
>> b1_est
b1_est =
-0.3142
0.1728
(4)
>> y0=y(2:20)-y(1:19);
>> x0=aa(2:20,1)-aa(1:19,1);
>> b3=sum(x0.*y0)/sum(x0.^2);
>> b3
b3 =
0.1688
B1
B3
B2