多元规划模型matlab代码

引用\[1\]:在多元线性回归中，使用Matlab可以实现多元规划模型的建立和求解。以下是一个示例的Matlab代码：

clc; clear; close all;

%% 读取数据
shuju = xlsread('case4.xlsx');
x1 = shuju(:,1); % 自变量1
x2 = shuju(:,2); % 自变量2
x3 = shuju(:,3); % 自变量3
y = shuju(:,4); % 因变量

len = length(y);
pelta = ones(len,1);

%% 多元线性拟合
x = \[pelta, x1, x2, x3\];
\[b, bint, r, rint, stats\] = regress(y, x, 0.05); % 95%的置信区间

%% 拟合函数
Y_NiHe = b(1) + b(2) .* x1 + b(3) .* x2 + b(4) .* x3;

%% 可视化
figure(1); hold on;
plot(x1,'m*-');
plot(x2,'y<-');
plot(x3,'ro-');
plot(y,'bh-');
plot(Y_NiHe,'gx-','LineWidth',1);
legend('自变量1','自变量2','自变量3','因变量','多元线性回归拟合曲线')

R_2 = 1 - sum( (Y_NiHe - y).^2 )./ sum( (y - mean(y)).^2 );
str = num2str(R_2);
disp(\['拟合优度为：',str\])

figure(2)
rcoplot(r,rint) % 做残差图
title('残差图')
xlabel('数据');
ylabel('残差');

这段代码实现了多元线性回归模型的建立和拟合，并通过绘制拟合曲线和残差图进行可视化分析。其中，`x1`、`x2`、`x3`分别表示自变量1、自变量2和自变量3，`y`表示因变量。通过运行这段代码，可以得到多元线性回归模型的拟合优度和相关统计量。
#### 引用[.reference_title]
- *1* *2* *3* [【数学建模】多元线性回归（Python&Matlab代码实现）](https://blog.csdn.net/weixin_46039719/article/details/126979510)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]