matlab regress

regress()

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

向量 b包含向量 y 中的响应对矩阵 X 中的预测变量的多元线性回归系数估计值β
bint系数估计值的置信边界下限和置信边界上限
系数估计值的置信边界下限和置信边界上限，以数值矩阵形式返回。bint 是 p×2 矩阵，其中 p 是 X 中预测变量的数目。bint 的第一列包含每个系数估计值的置信边界下限；第二列包含置信边界上限。如果 X 的列是线性相关的，则 regress 为 bint 中对应于 b 中零元素的元素返回零。
r残差
rint用于诊断离群值的区间
stats模型统计量
以数值向量形式返回，包括
R2 统计量、F 统计量及其 p 值，以及误差方差的估计值。

x1=xlsread('dataimport.xls','sheet2','C2:C42');
x2=xlsread('dataimport.xls','sheet2','H2:H42');
x3=xlsread('dataimport.xls','sheet2','I2:I42');
x4=xlsread('dataimport.xls','sheet2','J2:J42');
x5=xlsread('dataimport.xls','sheet2','K2:K42');
x6=xlsread('dataimport.xls','sheet2','L2:L42');
x7=xlsread('dataimport.xls','sheet2','M2:M42');
x8=xlsread('dataimport.xls','sheet2','N2:N42');
I=xlsread('dataimport.xls','sheet1','B2:B42');
X=[ones(size(x1)),x1,x2,x3,x4,x5,x6,x7,x8];
[b,bint,r,rint,stats]=regress(I,X);
b,bint,stats

执行结果

b =

   3147.2
 -0.39815
   8.2149
 -0.10327
   96.292
 -0.55366
  0.78823
-0.042596
  0.75883

bint =

   -40618        46913
  -0.6132     -0.18311
   2.8968       13.533
 -0.54382      0.33728
  -114.33       306.91
 -0.97858     -0.12874
  0.54952       1.0269
 -0.24961      0.16442
  0.54131      0.97635

stats =

  0.99805       2048.2   4.1806e-41   9.9763e+06

reference
https://ww2.mathworks.cn/help/stats/regress.html#d123e31631