matlab回归方程的p和r,MATLAB之线性回归方程模型

1.确定回归系数的点估计值：

b = regress(Y,X)

2.求回归系数的点估计和区间估计、并检验回归模型：

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

bint : 回归系数的区间估计

r : 残差

rint ：置信区间

stats ：用于检验回归模型的统计量，有三个数值：相关系数r的平方、F值、与F对应的概率p

alpha : 显著性水平(缺省时为0.05)

3.残差分析，作残差图：

rcoplot( r , rint )

4.预测及作图：

z = b(1)+b(2)*x

plot( x , Y , ’ k+’ , x , z , ’ r ’ )

(一)多项式回归

1.回归

(1)确定多项式系数的命令：

[ p , S ] = polyfit ( x , y , m ) m：几次多项式

S：R(系数矩阵的QR分解的上三角阵)，df(自由度)，normr(拟合误差平方和的算术平方根)。

(2)一元多项式回归命令：

polytool ( x , y , m )

2.预测和预测误差估计：

(1) Y = polyval( p , x )求polyfit所得的回归多项式在x处的预测值Y；

(2) [Y , DELTA ] = polycont ( p , x , S , alpha)

(二)多元二项式回