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)
