《【2018年整理】Matlab多元线性回归》由会员分享，可在线阅读，更多相关《【2018年整理】Matlab多元线性回归（3页珍藏版）》请在金锄头文库上搜索。
1、Matlab 多元线性回归 b , bint , r , rint , stats =regress ( y , x ) ，其中 b 是回归方程中的参数估计值，bint 是 b 的置信区间，r 和 rint 分别表示残差及残差对应的置信区间。StatS 数组包含三个数字，分别是相关系数，F 统计量及对应的概率 p 值。拟合结果：Y=b(1)x(1)+b(2)x(2)+b(3)x(3)+b(n)x(n)b(1)是系数,x(1)为全 1 的一个列向量。注意：不是插值。x=1097 1284 1502 1394 1303 1555 1917 2051 2111 2286 2311 2003 2435
2、 2625 2948 3155 3372;%因变量时间序列数据 y=698 872 988 807 738 1025 1316 1539 1561 1765 1762 1960 1902 2013 2446 2736 2825;%自变量时间序列数据 X=ones(size(x),x;b,bint,r,rint,stats=regress(y,X,0.05);%调用一元回归分析函数 rcoplot(r,rint)%画出在置信度区间下误差分布.举例：x =1 2 4 91 4 3 71 5 9 01 9 1 8 y=10 3 90 48; b , bint , r , rint , stats =
3、regress ( y , x )得到的结果b =-186.833316.023821.85718.5952bint =NaN NaNNaN NaN NaN NaNNaN NaNr =1.0e-013 *-0.5684-0.9948-0.14210.1421rint =NaN NaNNaN NaNNaN NaNNaN NaNstats =1 NaN NaN NaN另外，用 b=inv(x)*y得到的结果和上面用 regression 得到的一样。可见，求逆的问题也是用了最小二乘的原理。但是，regress 更优于 inv，体现在当 x 的元素存在缺陷时。举例：x =1 0 0 41 0 0 3
4、1 0 0 51 0 0 8y =3439 b , bint , r , rint , stats =regress ( y , x )Warning: X is rank deficient to within machine precision.b =-0.9643001.1429bint =-12.0010 10.07240 00 0-0.9245 3.2102r =-0.60711.5357-1.75000.8214rint =-9.2316 8.0173-1.9141 4.9855-7.4997 3.99970.2465 1.3964stats =0.7388 5.6575 0.1405 3.2321
