matlab稳健回归分析,matlab稳健回归函数文档

2018-06-14 20:39:44

regress函数和regstats函数利用普通最小二乘法估计模型中的参数, 参数的估计值受异常值的影响比较大. robustfit函数采用加权最小二乘法估计模型中的参数, 受异常值的影响就比较小. robustfit函数可用来作稳健的多重线性或广义线性回归分析, 下面介绍robustfit函数的用法.

调用方法

b = robustfit(X,y)

b = robustfit(X,y,wfun,tune)

b = robustfit(X,y,wfun,tune,const)

[b,stats] = robustfit(...)

使用说明

1. b = robustfit(X, y)

通过执行稳健回归来分析多元线性回归模型 $y= X \b$, 并返回系数向量 $\b$ 的估计值 $b$.

输入参数 $X$ 为 $n \times p$ 的自变量矩阵(或称预测变量矩阵, 设计矩阵), 对应 $p$ 个预测因子对 $n$ 个观测值中每个的贡献. $y$ 是 $n \times 1$ 观测值向量(或称响应向量), 输出的 $b$ 为 $(p + 1) \times 1$ 向量.

缺省情况下, 算法使用基于bisquare加权函数的迭代重加权最小二乘法.

注意 与regress函数不同的是, 默认情况下, robustfit函数会自动在 $X$ 第1列元素的左边加入一列1, 而不需要用户自己添加. 此列向量对应于模型中的常量项. 不要直接为 $X$ 添加一个全1的列向量, 你可以通过更改变量const的值来改变robustfit的默认行为.

robustfit会把 $X$ 或 $y$ 中的不确定数据NaN作为缺失数据, 并将其移除.

2. b = robustfit(X, y, wfun, tune)

指定加权方法wfun和调节常数tu