1、多元线性回归
形式:
回归系数的检验
(1)F检验
(2)r检验
matlab语言:
[b,bint,r,rint,stats]=regress(Y,X,alpha)...b:回归系数点估计
bint:回归系数区间估计
r:残差
rint:置信区间
stats:用于检验的统计量,有三个数值,相关系数r^2,F值,与F对应的概率p
alpha:显著性水平(缺省时为...0.05)
说明:相关系数r^2越接近1,说明回归方程越显著;
F越大,说明回归方程越显著
与F对应的概率p<a(显著性水平),回归模型成立
画出残差及其置信区间:
rcoplot(r,rint)...预测:
Y=polyval(p,x)
求polyfit所得的回归多项式在x处的预测值Y
预测误差估计:
[Y,DELTA]=polyconf(p,x,S,alpha)
求polyfit所得回归多项式在x...y,'model',beta0)
beta:估计出的回归系数
r:残差
J:Jacobi矩阵
x:n*m矩阵
y:n维列向量
model:M文件定义的非线性函数
beta0:回归系数的初值