REGRESS 用最小二乘估计法实现多元线性回归
1.B = REGRESS(Y,X)
返回值为线性模型Y = X*B的回归系数向量
X ,n*p 矩阵,行对应于观测值,列对应于预测变量
Y ,n*1 向量,观测值的响应(即因变量)
2.[B,BINT] = REGRESS(Y,X)
BINT,B的95%的置信区间矩阵
3.[B,BINT,R] = REGRESS(Y,X)
R,残差向量
4.[B,BINT,R,RINT] = REGRESS(Y,X)
RINT,区间矩阵,该矩阵可以用来诊断异常(即发现奇异观测值)。如果RINT(i,:)所定区间没有包含0,则第i个残差在默认的5%的显著性水平比我们所预期的要大,这可说明第i个观测值是个奇异点(即说明该点可能是错误而无意义的,如记录错误等)
5. [B,BINT,R,RINT,STATS] = REGRESS(Y,X)
STATS, 用于检验回归模型的统计量,有三个数值:相关系数r^2,F值,与F对应的概率P
6.[...] = REGRESS(Y,X,ALPHA)
alpha是显著性水平(缺省的时候为0.05)