matlab——regress多元线性回归

对于线性关系式Y=\beta _{0}+\beta _{1}x_{1}+...+\beta _{n}x_{n}+\varepsilon,确定式中参数估计值可使用

[b,bint,r,rint,stats]=regress(Y,X);

其中设Y为k行因变量(实际观测值),X为k行n+1列自变量

返回值b为n+1个参数:\beta _{0},\beta _{1}...\beta _{n};bint为n+1行各参数的区间估计;r为k行实际值-估计值的残差,rint为在该实际值处的置信区间,stats为检验回归分析的统计量:相关系数R^{^{2}}越接近1,F越大,p越接近于0,则回归方程越显著。

最后可以用 rcoplot(r,rint)进行残差分析。

例如:

x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]';
X=[ones(16,1) x];
Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]';
[b,bint,r,rint,stats]=regress(Y,X);
Z=b(1)+b(2)*(140:165);
plot(x,Y,'k+',140:165,Z,'r');
figure(2)
rcoplot(r,rint)

结果:

 

 

 

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值