Matlab
线性回归(拟合)
对于多元线性回归模型:
e
x
x
y
p
p
1
1
0
设变量
1
2
,
,
,
p
x
x
x
y
的
n
组观测值为
1
2
(
,
,
,
)
1,2,
,
i
i
ip
i
x
x
x
y
i
n
.
记
np
n
n
p
p
x
x
x
x
x
x
x
x
x
x
2
1
2
22
21
1
12
11
1
1
1
,
n
y
y
y
y
2
1
,则
p
1
0
的估计值为
y
x
x
x
b
'
)
'
(
ˆ
1
(11.2)
在
Matlab
中,用
regress
函数进行多元线性回归分析,应用方法如下:
语法:
b = regress(y, x)
[b, bint, r, rint, stats] = regress(y, x)
[b, bint, r, rint, stats] = regress(y, x, alpha)
b = regress(y, x)
,得到的
1
p
维列向量
b
即为
(11.2)
式给出的回归系数
的估计值.
[b,
bint,
r,
rint,
stats]=regress(y,
x)
给出回归系数
的估计值
b
,
的
95
%置信区间
(
(
1)
2
p
向量)
bint
,
残差
r
以及每个残差的
95
%置信区间
(
2
n
向量)
rint
;
向量
stats
给出回归的
R
2
统计量和
F
以及临界概率
p
的值.
如果
i
的置信区间(
bint
的第
1
i
行)不包含
0
,则在显著水平为
时拒绝
0
i
的
假设,认为变量
i
x
是显著的.
[b, bint, r, rint, stats]=regress(y, x, alpha)
给出了
bint
和
rint
的
100(1-alpha)%
的置信区间.
三次样条插值函数的
MATLAB
程序
matlab
的
spline
x = 0:10; y = sin(x);
%
插值点
xx = 0:.25:10;
%
绘图点
yy = spline(x,y,xx);
plot(x,y,'o',xx,yy)