建模耗电量因素分析回归模型

某人记录了21天每天使用空调器的时间和使用烘干器的次数，并监视电表以计算出每天的耗电量，数据见下表，试研究耗电量（KWH）与空调器使用的小时数(AC)和烘干器使用次数(DRYER)之间的关系，建立并检验回归模型，诊断是否有异常点。序号1234567891011KWH3563661794799366948278AC1.54.55.02.08.56.013.58.012.57.56.5DRYER12203311123序号12131415161718192021kWH65777562854357336533AC8.07.58.07.512.06.02.55.07.56.0DRYER1221103010耗电量因素分析回归模型摘要：本文针对题目中给出的耗电量（KWH）与空调器使用的小时数(AC)和烘干器使用次数(DRYER)分别建立了二元线性、纯二次、交叉、完全二次回归模型，经过模型比较得出题目中给出的数据比较符合二元线性回归模型。对模型进行求解得到二元线性回归方程为212166.134659.51054.8)(xxxf，根据残差图分析知第21个数据为异常数据。模型假设1、假设测的数据真实可靠；2、假设耗电量只与题目中给的空调器使用的小时数和烘干器使用次数有关，与其他因素无关。符号说明1、1x表示空调器使用的小时数（单位：小时）；2、2x表示烘干器使用次数（单位：次）。模型建立二元线性回归模型为：221,0)(DEcxbxaxf其中cba,,为回归系数。模型求解由程序（参见附录）求得回归系数2166.13,4659.5,1054.8cba，画出残差图可知第21个数据为异常数据。附录x2=[122033111231221103010];disp('多元线性回归')X=[ones(21,1)x1'x2'];[b,bint,r,rint,stats]=regress(y',X);bstatsrcoplot(r,rint)disp('纯二次回归')Y=[ones(21,1)x1'x2'(x1.^2)'(x2.^2)'];[b,bint,r,rint,stats]=regress(y',Y);bstatsdisp('完全二次回归')Y=[ones(21,1)x1'x2'(x1.^2)'2*(x1.*x2)'(x2.^2)'];[b,bint,r,rint,stats]=regress(y',Y);bstatsdisp('交叉回归')Y=[ones(21,1)x1'x2'2*(x1.*x2)'];[b,bint,r,rint,stats]=regress(y',Y);bstats