用MATLAB怎么做线性回归?

利用matlab的regress（）多元线性悄耐宽回归函数可以做线性亩培回归。

实现代码：

x=[。。。]

y

=[。。。]

[b,bint,r,rint,stats]=regress(y,x)

式中：b——参数估计值；bint——b的置信区间；r——启亮残差向量y-xb；rint——r的置信区间；stats——1×3检验统计量，第一值是回归方程的置信度（相关系数），第二值是f统计量值，第二值是与f统计量相应的p值；y——因变量数据n×1向量；x——自变量数据n×m向量

x=[2.82,2.02,1.57,1.28,1.08,0.94]

z=[40,55.9,62.8,66.2,68.7,70.6]

Z=z'

X1=[xx]'

%c=ax-bx+zz=c-ax+bx

B1=regress(Z,[ones(length(x),1) X1])

c=B1(1),a=-B1(2),b=B1(3)

X2=[x]'

%c=ax-bx+zz=c-ax+bx

B2=regress(Z,[ones(length(x),1) X2])

c=B2(1),k=-B2(2)%k=-a+b

结果：

B1 =

86.7463

-16.0945

0

c =

86.7463

a =

16.0945

b =

0

B2 =

86.7463

-16.0945

c =

86.7463

k =

16.0945

这个题不好困严谨宴袜拦，严格说，是一元线性回晌胡归。

X和Y就是你要拟合的数据，上面的是MATLAB工具箱中的regress命令，为［b，bint，r，rint，stats］＝regress（y，x，alpha）．你这里alpha是缺省的此坦败旁时默认是0．05

输出b为β的估计值，bint为b的置信区间，r为残差向量，rint为r的置信区间，stats为回归模型的检验统计量，有四个值，第一个是回归方程的决定系数让橡R的平方（R是相关系数），第枯团二个是F的统计量值，第三个是F统计量对应的概率值p，第4个是剩余的方差s的平方。

---