用matlab做一元线性回归，求大神帮忙解释一下这个命令。
>> clear
>> x=[1656,2122,2864,4033,6099];
>> y=[2112,2170,2291,2456,2759];
>> [P,S]=polyfit(x,y,1)
%P为拟合回归系数即y=P(1)*x+p(2)
P =
1.0e+003 *
0.0001 1.8666
S =
R: [2x2 double]
df: 3
normr: 9.4223
>> [Y,delta]=polyconf(P,x,S)
%给出回归Y的95%的置信区间为[Y-delta，Y+delta]
Y =
1.0e+003 *
2.1090 2.1772 2.2858 2.4569 2.7592
delta =
20.6907 19.8923 19.1147 19.2502 23.2005
>> x1=1600:100:6100;
>> f=polyval(P,x1);
>> plot(x,y,'ro',x1,f,'-')%绘图查看拟合效果
>> hold on
>> plot(x,Y+delta,'*g')
>> plot(x,Y-delta,'*g')%给出拟合的置信区间
希望我的回答能帮助你！
b = regress(y, x);b %把b的值显示出来，将打印第二张图的内容%%x = 5:5:30;x = [ones(length(x), 1), x'];y = [7.25 8.12 8.95 9.90 10.90 11.80]';regress(y, x)ans = 6.2827 0.1831
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R的平方（R是相关系数），第二个是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。第三行是做什么的？
ones(9,1)是产生一个9行一列的矩阵，整个语句的意思将产生的全一矩阵与x进行拼接
X=[4218 2834 3318 2331 1638 1277 1621 2452]'
Y=[25079 16701 24093 8692 4299 6484 6079 12197]'
X=[ones(8,1), X]
[b,bint,r,rint,stats]= regress(Y,X)
为什么我算出来stats太小。。是这组数据没有线性关系吗。。大神可否帮我试一下。。
其实你仅仅要拟合出一条直线可以用cftool这个工具
谢谢啦，我后来用eviews了，算出来r有九点多，我觉得可能是哪里出问题了，还是谢谢啦
你是指可靠性程度90%多？
用matlab做一元线性回归，求大神帮忙解释一下这个命令。视频
相关评论：
石萍虾stats regress(y,X) returns a 1-by-4 vector stats that contains, in order,the R2 statistic,the F statistic,its p value,an estimate of the error variance.拟合度 F统计量 P值 误差方差
石萍虾相关系数检验，评估线性相关程度。F检验法，进一步验证模型显著性。残差分析，检查模型预测准确性。多元回归分析时还需进行因素主次排序。模型的转化 非线性模型可通过线性变换转化为线性方程，简化求解过程。例如，将函数关系式通过线性变换转换为一元线性方程组。举例 例1：多元线性回归模型实例 输入数据例2：...
石萍虾二、一元线性回归 2．1．命令 polyfit最小二乘多项式拟合 [p，S]=polyfit（x，y，m）多项式y=a1xm+a2xm-1+…+amx+am+1 其中x=（x1，x2，…，xm）x1…xm为（n*1）的矩阵;y为（n*1）的矩阵；p=（a1，a2，…，am+1）是多项式y=a1xm+a2xm-1+…+amx+am+1的系数；S是一个矩阵，...
石萍虾所谓预测区间是在yhat(预测值)的基础上减加一个误差sy。 对于线性回归而言，sy=syx*sqrt(1+1\/n+(X-xbar)^2\/SSx)其中的syx是离回归标准差，SSx是X变数的离均差平方和。对于多元线性或多元多项式回归而言，sy=sqrt(syx+sum(v(bi))), v(bi)为第i个回归系数的误差方差，vbi(syx^2*C(i,i)...
石萍虾可以画回归直线 x = [1 2 3 4 5 6]';y = [2 4 6 7 11 12]';b = regress(y,x);得到:b = 2.0110 再计算回归直线：yy = x*b;figure(1);hold on;plot(x,y,'r*');plot(x,yy);hold off;这样就可以了
石萍虾那我就拿第一组做试验 实际上就是将xx=sum(x,2)\/size(x,2)这句改成xx=x(:,1);第二组，你就改成xx=x(:,2);x=[1.99 2.00 1.00;11.43 14.76 12.86;44.29 50.00 50.00;72.86 81.43 75.71;87.61 89.51 87.61;93.33 92.86 94.29];day=[1:6]'; %天数 xx=x...
石萍虾最小二乘法的问题如何用matlab来实现？我们可以根据数理统计的最小二乘法原理来写：为了说明问题，特举例。已知某种合金的抗拉强度y与含碳量x的数据，求其一元线性回归数学模型（y=β0+β1*x）。第一步，将含碳量数据和合金的抗拉强度数据分别赋值给x、y，即 x=【。。。】y=【。。。】第二步...
石萍虾先将这组数据绘图如下图中的斜线是我们随意假设一阶线性方程式 y=20x，用以代表这些数据的一个方程式。以下将上述绘图的 MATLAB 指令列出，并计算这个线性方程式的 y 值与原数据 y 值间误差平方的总合。>> x=[0 1 2 3 4 5];>> y=[0 20 60 68 77 110];>> y1=20*x; % 一阶线性...
石萍虾其实不用每次回归都输出到Excel里面，你可以自己命名一个变量来保存不同的b和stats，因为是循环，所以你可以用一个cubic（三维立方体）结构的数据来保存你的结果，这样每次的回归结果作为一个矩阵，占用其中的一层，然后又多少次循环就定义多少层。最后你直接调用某一层就可以看到那一次循环的结果了。然后...
石萍虾[b,bint,r,rint,stats] = regress(y,X) returns a 1-by-4 vector stats that contains, in order, the R2 statistic, the F statistic and its p value, and an estimate of the error variance.R^2是相关系数，R2越接近1，说明回归方程越显著。F越大，说明回归方程越显著。p是与F对应...
