Многофакторная линейная регрессия
regress
полезно, когда вам просто нужны выходные аргументы функции и когда вы хотите повторить подбор кривой модели несколько раз в цикле. Если вам нужно исследовать подобранную регрессионую модель дальше, создайте объект линейной регрессионой модели LinearModel
при помощи fitlm
или stepwiselm
. A LinearModel
объект предоставляет больше функций, чем regress
.
Используйте свойства LinearModel
чтобы исследовать подобранную линейную регрессионую модель. Свойства объекта включают информацию о оценках коэффициентов, сводной статистике, методе аппроксимации и входных данных.
Используйте функции объекта LinearModel
чтобы предсказать ответы и изменить, оценить и визуализировать линейную регрессионую модель.
В отличие от этого, regress
, fitlm
функция не требует столбца таковых во входных данных. Модель, созданная fitlm
всегда включает термин точки пересечения, если вы не задаете, чтобы не включать его при помощи 'Intercept'
аргумент пары "имя-значение".
Вы можете найти информацию в выходах regress
использование свойств и функций объекта LinearModel
.
Выход regress | Эквивалентные значения в LinearModel |
---|---|
b | Смотрите Estimate столбец Coefficients свойство. |
bint | Используйте coefCI функция. |
r | Смотрите Raw столбец Residuals свойство. |
rint | Не поддерживается. Вместо этого используйте исследуемые невязки (Residuals свойство) и диагностика наблюдений (Diagnostics свойство), чтобы найти выбросы. |
stats | Смотрите отображение модели в Командном окне. Вы можете найти статистику в свойствах модели (MSE и Rsquared ) и при помощи anova функция. |
[1] Chatterjee, S., and A. S. Hadi. «Влиятельные наблюдения, высокие точки использования и выбросы в линейной регрессии». Статистическая наука. Том 1, 1986, стр. 379-416.
fitlm
| LinearModel
| mvregress
| rcoplot
| stepwiselm