stats参数解释如下:
R2表示方差解释率,R2越接近1说明数据拟合程度越好。
F统计量用于检验模型是否通过检验。通过查F分布表,如果F>F分布表中对应的值,则通过检验。
P为F 统计量对应的概率,越接近0越好,当P<α时拒绝H0,回归模型成立!!!
第4个参数不知何用
2.非线性回归
预测和预测误差估计用命令
[y,delta] = nlpredci(’model’,x,beta,r,j)
多元回归分析中的问题
1.regress拟合的效果主要看哪些指标?
答:r平方是模型能解释变异的多少 越大越好。
还要对多元线性回归方程的假设检验
包括:㈠ 模型检验和㈡ 偏回归系数检验:
至于如何剔除不显著项,这个有明确的指标:
多元线性回归方程中当涉及的自变量较多时,这些自变量可能并不是全部都对应变量有显著影响,同时有些自变量之间也可能相关的。通常情况下,我们希望将有统计学意义的自变量引入回归方程,以使方差更加简单,容易解释;更重要的是把不显著的自变量排除后可以使残差的均方减小,有理由揭示其他自变量的作用。为此可以使用三种变量筛选方法:
1.向后法(backward selection):
2.向前法(forward selection):
3.逐步法(stepwise selection):
现在大家主要做的就是3.逐步法(stepwise selection)。具体来说太多了 建议你找本统计书看看。做很简单 但是模型效果评价和其他参数的理解才是真正的关键。