首先不知道这样做的对不对,我在用[b,bint,r,rint,stats]=regress(y(:,i),x);的时候,之前没有x=[ones(33,1) x];,然后希望这样求出不带常数项的多元线性回归方程,结果算出来的线性系数是对的,但是stats中的决定系数R方竟然有负数,请问这是怎么回事啊?我用了x=[ones(33,1) x];之后求出带常数项的多元线性回归方程得到的stats中的决定系数R方是对的。各位大仙,求教啦!!!

原程序为:

x=[120        73        180        80        125        125        81.1        90

133.02        73        180        80        125        125        81.1        90

129.63        73        180        80        125        125        81.1        90

158.77        73        180        80        125        125        81.1        90

145.32        73        180        80        125        125        81.1        90

120        78.596        180        80        125        125        81.1        90

120        75.45        180        80        125        125        81.1        90

120        90.487        180        80        125        125        81.1        90

120        83.848        180        80        125        125        81.1        90

120        73        231.39        80        125        125        81.1        90

120        73        198.48        80        125        125        81.1        90

120        73        212.64        80        125        125        81.1        90

120        73        190.55        80        125        125        81.1        90

120        73        180        75.857        125        125        81.1        90

120        73        180        65.958        125        125        81.1        90

120        73        180        87.258        125        125        81.1        90

120        73        180        97.824        125        125        81.1        90

120        73        180        80        150.71        125        81.1        90

120        73        180        80        141.58        125        81.1        90

120        73        180        80        132.37        125        81.1        90

120        73        180        80        156.93        125        81.1        90

120        73        180        80        125        138.88        81.1        90

120        73        180        80        125        131.21        81.1        90

120        73        180        80        125        141.71        81.1        90

120        73        180        80        125        149.29        81.1        90

120        73        180        80        125        125        60.582        90

120        73        180        80        125        125        70.962        90

120        73        180        80        125        125        64.854        90

120        73        180        80        125        125        75.529        90

120        73        180        80        125        125        81.1        104.84

120        73        180        80        125        125        81.1        111.22

120        73        180        80        125        125        81.1        98.092

120        73        180        80        125        125        81.1        120.44];

y=[164.78        140.87        -144.25        119.09        135.44        157.69

165.81        140.13        -145.14        118.63        135.37        160.76

165.51        140.25        -144.92        118.7        135.33        159.98

167.93        138.71        -146.91        117.72        135.41        166.81

166.79        139.45        -145.92        118.13        135.41        163.64

164.94        141.5        -143.84        118.43        136.72        157.22

164.8        141.13        -144.07        118.82        136.02        157.5

165.59        143.03        -143.16        117.24        139.66        156.59

165.21        142.28        -143.49        117.96        137.98        156.96

167.43        140.82        -152.26        129.58        132.04        153.6

165.71        140.82        -147.08        122.85        134.21        156.23

166.45        140.82        -149.33        125.75        133.28        155.09

165.23        140.85        -145.82        121.16        134.75        156.77

164.23        140.73        -144.18        119.12        135.57        157.2

163.04        140.34        -144.03        119.31        135.97        156.31

165.54        141.1        -144.32        118.84        135.06        158.26

166.88        141.4        -144.34        118.67        134.67        159.28

164.07        143.03        -140.97        118.75        133.75        158.83

164.27        142.29        -142.15        118.85        134.27        158.37

164.57        141.44        -143.3        119        134.88        158.01

163.89        143.61        -140.25        118.64        133.28        159.12

166.35        139.29        -144.2        119.1        136.33        157.59

165.54        140.14        -144.19        119.09        135.81        157.67

166.75        138.95        -144.17        119.15        136.55        157.59

167.69        138.07        -144.14        119.19        137.11        157.65

162.21        141.21        -144.13        116.03        135.5        154.26

163.54        141         -144.16        117.56        135.44        155.93

162.7        141.14        -144.21        116.74        135.4        154.88

164.06        140.94        -144.18        118.24        135.4        156.68

164.66        142.27        -147.2        120.21        135.28        157.65

164.7        142.94        -148.45        120.68        135.16        157.63

164.67        141.56        -145.88        119.68        135.29        157.61

164.69        143.84        -150.34        121.34        135.12        157.64];

b1=zeros(6,8);b2=zeros(6,9);

Rf1=zeros(1,6);Rf2=zeros(1,6);

F1=zeros(1,6);F2=zeros(1,6);

%不带常数项的模型

for i=1:6

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

b1(i,:)=b;Rf1(i)=stats(1);F1(i)=stats(2);

end

%带常数项的模型

X=[ones(33,1) x];

for i=1:6

[b,bint,r,rint,stats]=regress(y(:,i),X);

b2(i,:)=b;Rf2(i)=stats(1);F2(i)=stats(2);

end

得到的Rf1也就是不带常数项的多元线性回归方程得到的stats中的决定系数R方结果为:

Rf1 =

-0.3812   -1.0288    0.5763    0.7969   -1.0440    0.4814

回归方程带常数项matlab,请教regress命令求解不带常数项的多元线性回归方程的问题...相关推荐

  1. matlab 的 regress、 nlinfit 、stepwise函数多元回归分析

     1.多元线性回归     在Matlab统计工具箱中使用命令regress()实现多元线性回归,调用格式为     b=regress(y,x)     或     [b,bint,r,rint,s ...

  2. 基于jupyter notebook的python编程-----利用梯度下降算法求解多元线性回归方程,并与最小二乘法求解进行精度对比

    基于jupyter notebook的python编程-----利用梯度下降算法求解多元线性回归方程,并与最小二乘法求解进行精度对比目录 一.梯度下降算法的基本原理 1.梯度下降算法的基本原理 二.题 ...

  3. 多元线性回归系数求解

    做地图自动标注,想调用Matlab的多元线性拟合函数Regress,用Matlab Builder For Java转成Java类,因为是Flex编写的程序,无法直接使用Java需要部署到Web,问题 ...

  4. MATLAB回归分析命令——regress命令

    题目 假设向量y=[7613.51  7850.91  8381.86  9142.81 10813.6 8631.43 8124.94 9429.79 10230.81 10163.61 9737. ...

  5. MATLAB regress命令

    1 regress命令 用于一元及多元线性回归,本质上是最小二乘法.在Matlab 命令行窗口输入help regress ,会弹出和regress的相关信息,一一整理. 调用格式: B = regr ...

  6. matlab中用于离散系统求解的命令,实验七-离散系统分析的MATLAB实现

    <实验七-离散系统分析的MATLAB实现>由会员分享,可在线阅读,更多相关<实验七-离散系统分析的MATLAB实现(11页珍藏版)>请在人人文库网上搜索. 1.实验七 离散系统 ...

  7. MATLAB粒子群算法求解带充电站(桩)的电动车辆路径规划EVRP问题代码实例

    MATLAB粒子群算法求解带充电站(桩)的电动车辆路径规划EVRP问题代码实例 问题实例描述: 现有一个配送中心需要向20个客户点进行送货.每个客户点有不同货物需求量和卸货服务时间.配送中心和客户点的 ...

  8. matlab的regress函数

    在matlab中regress()函数可以进行回归分析,regress()函数主要用于线性回归,一元以及多元的.         regress()函数详解         [b,bint,r,rin ...

  9. Matlab中regress函数各参数解释

    转载博客:http://blog.csdn.net/yangss123/article/details/74008205 在matlab中regress()函数可以进行回归分析,regress()函数 ...

最新文章

  1. 花式方法搞定不同vlan的主机互通
  2. aida64副屏监控_“遥信”在电力监控系统中的重要作用
  3. 人工智能离我们有多远/近?
  4. 张高兴的.NET Core IoT 入门指南:(四)使用 SPI 进行通信
  5. 云服务器的购买和宝塔面板的使用
  6. Python快速找到列表中所有重复的元素
  7. 用filter求素数
  8. Android 系统(41)---善用工具
  9. 海康威视相机SDK开发(1个相机)
  10. 【辨异】inner, internal, interior, inward
  11. python美女源代码_单身程序员,每晚用python抓取百万张美女图片,连女友都不想找了...
  12. 乌鲁木齐高新区大数据产业首个惠农项目落地
  13. acrobat 控件可以发布吗_自己能做小程序商城吗?可以发布使用吗
  14. 关于百度富文本编辑器UEditor中ctrl+enter键发送消息的解决方案
  15. 谈ISO9000-3内容及其与CMM关系
  16. 7.8 W 字总结!Java 8—Java 10 特性详解
  17. 小程序纵向选项卡可以滑动_微信小程序实现选项卡滑动切换
  18. yield 函数的理解
  19. 生物特征识别六大技术,你知道多少?
  20. D - Six Degrees of Cowvin Bacon(最小路径)

热门文章

  1. mysql 安装与连接数据库_Mysql 安装、登录以及链接数据库
  2. java pdf转 图片
  3. python-字典练习3 -数字重复统计
  4. SIGIR2020推荐系统论文聚焦
  5. RabbitMQ 安装使用,Centos系统安装RabbitMQ、Docker安装启动RabbitMQ
  6. 五款高人气商城热销蓝牙耳机,低延迟手游党最爱蓝牙耳机品牌
  7. Ogitor中Gizmo的绘制技巧
  8. Android中多个style,Android设计规范 Material Design-Style(4图像)
  9. 《Spring Cloud微服务架构实战派》PDF样章
  10. 学英语《每日一歌》之yesterday once more