Matlab 迴歸常用函式
阿新 • • 發佈：2019-01-31
迴歸方法分類
| 一般迴歸方法 | 根據迴歸方法因變數的個數不同 | 根據迴歸函式的型別不同 |
| 一元、多元 | 線性、非線性 | |
| 一元線性、一元非線性、多元迴歸 | ||
| 兩種特殊迴歸方法 | 逐步迴歸： 從眾多自變數中有效地選擇重要變數的方法，確保得到的解釋變數集是最優的 | |
| Logistic 迴歸：是一種廣義的線性迴歸分析模型，以指數結構函式作為迴歸模型的迴歸方法。 | ||
迴歸方法Matlab實現
regress
Multiple linear regression 多元線性迴歸
| 常用格式 | |
|
| 用例 | [b, bint, r, rint, s] = regress(Y, X) | |
| 引數解釋 | 輸入引數 | y----------相應向量，n維向量 |
| x----------對應於迴歸係數的資料矩陣 | ||
| alpha----置信水平（預設時為0.05）； | ||
| 輸出引數 | b---------多元線性迴歸數值向量的係數估計 | |
| bint------b的置信區間 | ||
| r----------殘差向量 | ||
| rint-------r的置信區間 | ||
|
輸出引數的 stats檢驗統計量 |
F-------------------統計量值 p-------------------與統計量值F對應的概率值p |
|
fitnlm
Fit nonlinear regression model 擬合非線性迴歸模型
| 常用格式 | mdl= fitnlm(x,y,modelfun,beta0) | |
| 用例 | m1 = @(b,x) b(1) + b(2)*log(x); nonlinfit1 = fitnlm(x,y,m1,[0.01;0.01]) | |
| 引數解釋 | 輸入引數 | y----------相應向量，n維向量 |
| x----------對應於迴歸係數的資料矩陣 | ||
| modelfun------函式模型 | ||
stepwise
Interactive stepwise regression 互動式逐步迴歸
| 常用格式 | stepwise(x,y,inmodel,penter,premove) | |
| 用例 | stepwise（X,Y,[1,2,3,4],0.05,0.10） | |
| 引數解釋 | 輸入引數 | y----------相應向量，n維向量 |
| x----------對應於迴歸係數的資料矩陣 | ||
| inmodel 是自變數x的初始集合的指標 | ||
| penter 引入變數時設定的最大p值，預設時為0.05 | ||
| premove 是移出變數時設定的p值，預設時為0.10 | ||
fitglm
Create generalized linear regression model 建立廣義線性迴歸模型
mdl = fitglm(x,y,'distribution','binomal') 構建二項式 logistic模型
線性迴歸結果分析
1. 迴歸係數置信區間應不包含零點
2. stats統計量：
1） ：
的值越接近 1，變數的線性相關性越強，
2）F ： 當 F > F1-α(m,n-m-1) ，即認為因變數 y 與自變數 x1,x2,...,xm 之間有顯著的線性相關關係；
否則認為因變數 y 與自變數 x1,x2,...,xm 之間線性相關關係不顯著。
3）p ： 若 p < α（α 為預定顯著水平），則說明因變數 y 與自變數 x1,x2,...,xm之間顯著地有線性相關關係。
4） 主要用來比較模型是否有改進，其值越小說明模型精度越高。