《matlab 函数regress用法详解》由会员分享，可在线阅读，更多相关《matlab 函数regress用法详解（2页珍藏版）》请在金锄头文库上搜索。
1、常采用最小二乘法（用残差平方和来刻画所有观察值与回归直线的偏差程度）。基本调用方法： b, bint, r, rint, s = regress(y, xdata); %调用regress函数作一元线性回归 yhat = xdata*b; %计算y的估计值B = REGRESS(Y,X)返回值为线性模型Y = X*B的回归系数向量X：n-by-p矩阵，行对应于观测值，列对应于预测变量Y：n-by-1向量，观测值的响应（即因变量，译者注）B,BINT = REGRESS(Y,X)BINT：B的95%的置信区间矩阵。Bint置信区间不大，说明有效性较好；若含零点，说明结果无效。B,BINT,R =
2、 REGRESS(Y,X)R：残差向量（因变量的真实值减去估计值）B,BINT,R,RINT = REGRESS(Y,X)RINT：返回残差的95%置信区间，它是一个2n的矩阵，第1列为置信下限，第2列为置信上限。该矩阵可以用来诊断异常（即发现奇异观测值，译者注）。如果第i组观测的残差的置信区间RINT(i，：)所定区间没有包含0，则第i个残差在默认的5%的显著性水平比我们所预期的要大，这可说明第i个观测值是个奇异点（即说明该点可能是错误而无意义的，如记录错误等，译者注）B,BINT,R,RINT,STATS = REGRESS(Y,X)STATS：向量，STATS中的4个值分别为：R2（判定
3、系数），F（总模型的F测验值），P（总模型F的概率值P(FFz)），MSq（离回归方差或误差方差的估计值）。判定系数(the Coefficient of the Determination)R2：是判断回归模型拟合程度的一个指标，其取值范围为0, 1；判定系数越大说明回归模型的拟合程度越高，回归方程越显著。FF(1-)(k, n-k-1)时拒绝H0，F越大，说明回归方程越显著。与F对应的概率PFz)）是在模型有常数项的假设下计算的，如果模型没有常数项，则计算得的F统计量和p值是不正确的。若模型没有常数项，则这个值可以为负值，这也表明这个模型对数据是不合适的。（即数据不适合用多元线性模型，译者注）如果X的列是线性相关的，则REGRESS将使B的元素中“0”的数量尽量多，以此获得一个“基本解”，并且使B中元素“0”所对应的BINT元素为“0”。REGRESS将X或者Y中的NaNs当作缺失值处理，并且移除它们。PPS. rcoplot(r,rint)这是个画残差的函数，红色的表示超出期望值的数据。圆圈代表残差的值，竖线代表置信区间的范围。
