matlab进行回归分析 怎样用MATLAB进行回归分析

matlab进行回归分析

regress可以解决多元线性回归，非线性回归转换后也可以解
polyfit是一元的多项式回归，[p,S]=polyfit(x,y,2)
中的2是多项式中自变量的最高次数，即y=a b*x c*x^2

怎样用MATLAB进行回归分析

X=[1 1 4 6 8 11 14 17 21]
Y=[2.49 3.30 3.68 12.20 27.04 61.10 108.80 170.90 275.50]
X=[ones(9,1), X]
[b,bint,r,rint,stats]= regress(Y,X)

输出向量b，bint为回归系数估计值和它们的置信区间，r，rint为残差及其置信区间，stats是用于检验回归模型的统计量，有三个数值，第一个是R2，其中R是相关系数，第二个是F统计量值，第三个是与统计量F对应的概率P，当P<α时拒绝H0，回归模型成立。

利用matlab做回归分析，

利用matlab做回归分析的步骤：
x1=[]
x2=[]
x3=[]
X=[ones(length(x1) x1 x2 x3]
[b,bint,r,rint,stats]=regress(y,X)
a=b(1),c=b(3),c=b(4),b=(2)
这样就可以得到y=a bx1 cx2 dx3的表达式的系数。

一元线性回归怎么用matlab编程

使用regress命令

多元线性回归——用最小二乘估计法

B = REGRESS(Y,X) ，

返回值为线性模型Y = X*B的回归系数向量

X ，n-by-p 矩阵，行对应于观测值，列对应于预测变量

Y ，n-by-1 向量，观测值的响应（即因变量，译者注）

[B,BINT] = REGRESS(Y,X) returns a matrix BINT of 95% confidence

intervals for B.

BINT，B的95%的置信区间矩阵

[B,BINT,R] = REGRESS(Y,X) returns a vector R of residuals.

R，残差向量

rcoplot(r,rint)
这是个画残差的函数，红色的表示超出期望值的数据
圆圈代表残差的值，竖线代表置信区间的范围

在MATLAB中怎么做啊？一元回归分析的内容

X和Y的长度不等啊，X是16个数，Y是8个数。且X的前8个都是1。如果用X的后8个数与Y回归，则：

clearclc
X=[1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.5 2.0 3.0 4.5 7.5 9.1 10.5 12.0]
Y=[5.6 6.6 7.2 7.8 10.1 10.8 13.5 16.5]

p=polyfit(X(:,2),Y,1)
xx=linspace(1.5,12,30)
yy=polyval(p,xx)
plot(X(:,2),Y,o,xx,yy)
y=poly2sym(p,x)

运行结果：
p =
0.8950 4.15
y = 0.8950*x 4.1575

matlab 画图 多元线性回归分析

Matlab中统计工具箱用命令regress实现多元线性回归，用的方法是最小二乘法，基本用法是：
b=regress(Y,X)
Y,X是因变量和自变量，b为回归系数的估计值。
当然，也可以让结果更详细，这个你可以自己查看帮助文档  doc  regress
这里使用：
[b,bint,r,rint,stats]=regress(Y,X)
其中，bint为回归系数的置信区间，r,rint为残差及其置信区间，stats为计算回归模型的统计量。
所以，设房屋销售均价为Y，其余四个变量分别为X1,X2,X3,X则代码如下：

 clc
 clear
 x=[]
 Y=[]
 X=[ones(length(x),1),x]
 [b,bint,r,rint,stats]=regress(Y,X,0.05)

X,Y的数据你填进去就可以了。