回归模型案例

代码：

clear;
clc;
x=[3.5 1.8 2.4 3.0 3.5 3.9 4.4 4.8 5.0];
y=[8.5 2.57 3.0 5.3 8.9 11.69 13.1 13.6 13.3];
stats=reglm(y,x,'linear');
[xsort,id]=sort(x);
ysort=y(id);
plot(xsort,ysort,'k.','Markersize',15)
hold on
plot(x,stats.yhat,'linewidth',3)
xlabel('温度')
ylabel('重量')
legend('原始值','回归直线');

分析结果：

------------------------------------方差分析表------------------------------------
方差来源    自由度            平方和             均方             F值          p值
回归       1.0000         146.3341         146.3341        119.9926      0.0000
残差       7.0000           8.5367           1.2195
总计       8.0000         154.8708

       均方根误差(Root MSE)         1.1043           判定系数(R-Square)    0.9449
 因变量均值(Dependent Mean)         8.8844        调整的判定系数(Adj R-Sq)    0.9370

-----------------------------------参数估计-----------------------------------
      变量               估计值            标准误             t值          p值
     常数项             -5.4375           1.3583          -4.0032      0.0052
        X1              3.9906           0.3643          10.9541      0.0000

结论：x与y之间有显著的线性关系。