matlab6.回归

示例：

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'); %调用reglm函数，自定义的函数做一元线性回归
[xsort,id]=sort(x);         %对x进行默认为升序的排列
ysort=y(id);                %对y做相应的排列,按照x的顺序
plot(xsort,ysort,'k.','MarKersize',15); %画原数据的散点图，15个单位MaiKersize，删掉时默认的
hold on  %保持当前图像，把后面的图像都添加到当前图像中
plot(x,stats.yhat,'linewidth',3)  %画以(x,y^)为点的回归直线,注意是一个.
xlabel('温度')   %x轴的名称为'温度'
ylabel('重量')   %y轴的名称为‘重量’
legend('原始值','回归直线');   %定义画框中的内容




-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
>> 
>%pr大于F的值为0，往右边走概率接近0，拒绝原假设，原假设β=0，那就是β不等于0
>%根据估计值，得Y=3.9906*-5.4375