matlab多元线性回归

《matlab多元线性回归》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案Matlab多元线性回归[b,bint,r,rint,stats]=regress(y,x)，其中b是回归方程中的参数估计值，bint是b的置信区间，r和rint分别表示残差及残差对应的置信区间。StatS数组包含三个数字，分别是相关系数，F统计量及对应的概率p值。拟合结果：Y=b(1)x(1)+b(2)x(2)+b(3)x(3)+…+b(n)x(n)b(1)是系数,x(1)为全1的一个列向量。注意：不是插值。x=[10971284150213941303155519172051211122862311200324352625294831553372];%因变量时

2、间序列数据y=[698872988807738102513161539156117651762196019022013244627362825];%自变量时间序列数据X=[ones(size(x')),x'];[b,bint,r,rint,stats]=regress(y',X,0.05);%调用一元回归分析函数rcoplot(r,rint)%画出在置信度区间下误差分布.举例：x=1249143715901918>>y=[1039048]';>>[b,bint,r,rint,stats]=regress(y,x)得到的结果b=-186.833316.023821.85718.

3、5952bint=NaNNaNNaNNaNNaNNaN精彩文档实用标准文案NaNNaNr=1.0e-013*-0.5684-0.9948-0.14210.1421rint=NaNNaNNaNNaNNaNNaNNaNNaNstats=1NaNNaNNaN另外，用b=inv(x)*y得到的结果和上面用regression得到的一样。可见，求逆的问题也是用了最小二乘的原理。但是，regress更优于inv，体现在当x的元素存在缺陷时。举例：x=1004100310051008y=3439[b,bint,r,rint,stats]=regress(y,x)Warning:Xisran

4、kdeficienttowithinmachineprecision.b=精彩文档实用标准文案-0.9643001.1429bint=-12.001010.07240000-0.92453.2102r=-0.60711.5357-1.75000.8214rint=-9.23168.0173-1.91414.9855-7.49973.99970.24651.3964stats=0.73885.65750.14053.2321精彩文档