请教多元线性回归C++算法或程序

多元线性回归C++程序：

Dim a() As String, b() As String

Private Sub Command1_Click()

Dim temp1 As String

Dim i As Integer, k As Integer

temp1 = Text1.Text

a = Split(temp1, ",")

lenolds = Len("->")

For i = 0 To UBound(a)

s = a(i)

j = InStr(s, "->")

Do While j >0

ReDim Preserve b(i, k)

b(i, k) = Val(Left(s, j + lenolds))

s = Left(s, j - 1) + "->" + Mid(s, j + lenolds + 1)

k = k + 1

j = InStr(s, "->")

Loop

ReDim Preserve b(i, k)

b(i, k) = s

Next i

For i = 0 To UBound(a)

For j = 0 To k

Text2.Text = Text2.Text + b(i, j)

Next j

Next i

End Sub

问题一：如何建立多元回归模型 用eviews做回归分析的过程如下：

首先下载eviews安装包，不用解压，首先点击一个reg文件，即成功注册；

然后点击一个exe执行文件，即可以打开软件；

然后，开始进行数据分析，首先建立一个时间序列文件，输入开始与截止时间；

第二步，输入命令建立序列，data y c x，中间需要有间隔，按enter返回；

第三步，导入数据；

第四步，输入命令ls y x，得出结果；

对数据进行分析，观察因变量与自变量的关系。

回归分析(regression *** ysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

问题二：如何用spss建立多元回归模型 纳入多个变量即可

问题三：如何用spss建立多元回归模型 跟一元回归差不多，都在“回归”里面，你只是选择的时候把多个自变量都选到”自变量“那个格子里就行了

问题四：利用怎么matlab软件建立多元回归数学模型 如何利用matlab软件建立多元回归数学模型的方法有：

1、多元回归数学模型是线性的，可以用regress（）函数求得。例如

f(x1,x2,x3)=a1+a2*x1+a3*x2+a4*x3 %多元线性回归函数

求解方法：

x1=[。。。]x2=[。。。]x3=[。。。]

X=[ones(n,1) x1 x2 x3]

y=[。。。]

a = regress(y,X)%ai为多元线性回归函数的拟合系数

2、多元回归数学模型是非线性的，可以用lsqcurvefit（）或nlinfit（）函数求得。例如

f(x1,x2,x3)=a1+a2*exp（x1）+a3*exp（x2）+a4*exp（x3） %多元非线性回归函数

求解方法：

x1=[。。。]x2=[。。。]x3=[。。。]y=[。。。]

x=[x1 x2 x3]

func=@(a,x)a(1)+a(2)*exp（x:1）+a(3)*exp（x:2）+a(4)*exp（x:3）%自定义函数

x0=[1 1 1]%初值(根据问题来定)

a=lsqcurvefit(func,x0,x,y) %ai为多元非线性回归函数的拟合系数

或 a= nlinfit(x,y,func,x0)

问题五：一元线性回归模型建立的步骤是怎样的 一个自变量 一个因变量 如果要进行线性回归，无论是一元还是多元，第一步首先应该先画下散点图，看是否有线性趋势，如果有线性趋势了，再使用线性回归。这个是前提，现在很多人都忽略这一点 直接使用的。 至于判断线性方程 拟合的好坏，看R方和调整的R方就可以了，R方越接近1，说明拟合的效果越好。你这个里面 R方为0.618，调整的R方为0.570，说明这个自变量可以解释因变量57%左右的变异，不能说好，也不能说坏。看具体情况而定 Anova(b)这个表格是检验 回归方程是否显著的，sig的值=0.007 小于0.05，说明回归模型有意义，可以使用。 下面一个标准化回归系数 和非标准化回归系数 则是回归方程自变量的系数，非标准化的系数用来拟合方程使用，标准化的系数是剔除了不同自变量的不同计量单位影响的，用于比较多个自变量的影响大小

问题六：怎样用eviews做多元线性回归模型的软件实现？需要详细 *** 作步骤 50分 1、建立workfile2、建立序列对象,将你的数据输入或者导入，比如序列分别为 y x1 x2 x3

3、在命令窗口中输入ls y c x1 x2 x3 回车，得到结果。

第一步是基础，它的含义其实是建立一个容纳eviews对象的“容器”,第二步是建立数据对象，实际上可以看错是定义变量，第三步是分析结果。

问题七：多元线性回归分析的优缺点

进行多元线性回归统计数F, t 测验的小程序：

clear,clc

x=rand(50,10)y=rand(50,1)% example

[n,k]=size(x)

X=[ones(n,1),x]%构建结构阵X，

A=X'*X%求算信息阵A，

C=inv(A)%求算信息阵的逆阵，

b=X\y, % 求算回归统计数向量，其中第一行为回归截距a,

RSS=y'*y-b'*X'*y, %求算离回归平方和，

MSe=RSS/(n-k-1),%求算离回归方差，

Up=b.*b./diag(C)%求算偏回归平方和，其中第一行是a与0差异的偏平方和，

F=Up/MSe,%F测验，其中第一行为a与0差异的F值，

sb=sqrt(MSe*diag(C))%求算回归统计数标准误，

t=b./sb, % 回归统计数的 t 测验，其中第一行为a与0差异的t测验值。

[t, t.^2, F],%验证t^2=F

SSy=var(y)*(n-1)

R2=(SSy-RSS)/SSy

顺便说一下，你的ttest(x,m)的 t 测验指的是单个样本（平均数）与 m 之间差异显著性的 t 测验，而非多元线性回归系数的 t 测验。

---