Несколько линейная регрессия
b = regress(y,X)
[b,bint] = regress(y,X)
[b,bint,r] = regress(y,X)
[b,bint,r,rint] = regress(y,X)
[b,bint,r,rint,stats] = regress(y,X)
[___] = regress(y,X,alpha)
regress
полезен, когда вам просто нужны выходные аргументы функции и когда это необходимо повторить подбирающую модель многократно в цикле. Если необходимо исследовать подходящую модель регрессии далее, создайте объект модели линейной регрессии LinearModel
при помощи fitlm
или stepwiselm
. Объект LinearModel
обеспечивает больше функций, чем regress
.
Используйте свойства LinearModel
исследовать подходящую модель линейной регрессии. Свойства объектов включают информацию о содействующих оценках, итоговой статистике, подходящем методе и входных данных.
Используйте объектные функции LinearModel
, чтобы предсказать ответы и изменить, оценить, и визуализировать модель линейной регрессии.
В отличие от regress
, функция fitlm
не требует столбца из единиц во входных данных. Модель, созданная fitlm
всегда, включает термин прерывания, если вы не задаете, чтобы не включать его при помощи аргумента пары "имя-значение" 'Intercept'
.
Можно найти информацию в выводе regress
с помощью свойств и возразить функциям LinearModel
.
Вывод regress | Эквивалентные стоимости в LinearModel |
---|---|
b | См. столбец Estimate свойства Coefficients . |
bint | Используйте функцию coefCI . |
r | См. столбец Raw свойства Residuals . |
rint | Не поддерживаемый. Вместо этого используйте studentized невязки (свойство Residuals ) и диагностика наблюдения (свойство Diagnostics ), чтобы найти выбросы. |
stats | Смотрите образцовое отображение в Командном окне. Можно найти статистику в образцовых свойствах (MSE и Rsquared ) и при помощи функции anova . |
[1] Chatterjee, S. и А. С. Хади. “Влиятельные Наблюдения, Высокие Точки Рычагов и Выбросы в Линейной регрессии”. Статистическая Наука. Издание 1, 1986, стр 379–416.
LinearModel
| fitlm
| mvregress
| rcoplot
| stepwiselm