文档介绍：第八章回归分析方法
当人们对研究对象的内在特性和各因素间的关系有比较充分的认识时，一般用机理分析方法建立数学模型。如果由于客观事物内部规律的复杂性及人们认识程度的限制，无法分析实际对象内在的因果关系，建立合乎机理规律的数学模型，那么通常的/(n-2)计算。
2
其息乂和用法如下：R的值越接近1,变量的线性相关性越强，说明模型有效；如果滴足F^i^l,n—2)<F，则认为变量y与x显着地有线性关系，其中F〔w(1,n—2)的值可查F分布表，或直接2用MATLAB命令finv(1-a,1,n-2)计算得到；如果p3表示线性模型可用。这三个值可以相互印证。s的值主要用来比较模型是否有改进，其值越小说明模型精度越高。
例1
测得16名成年女子身高
表8-1
y与腿长x所得数据如下：
16名女子身高(cm)腿长(cm)数据
8885889192
939395969897
96
98
99
100
102
143145146147149
150153154155156157
158
159
160
162
164
首先利用命令plot(x,y,'r*')画出散点图，从图形可以看出，这些点大致分布在一条直线的左右，因此，可以考虑一元线性回归。可编制程序如下：
y=[143145146147149150153154155156157158159160162164];
x=[8885889192939395969897969899100102];
n=16;
X=[ones(n,1),x'];
[b,bint,r,rint,s]=regress(y',X,);
b,bint,s,
rcoplot(r,rint)
运行后得到
b==
s==，由finv(,1,14)=，即菖导(侦一2)=<F=,p<,可以通过残差图发现，第二个数据为奇异数据，去掉该数据后运行后得到b==-==，由finv(,1,13)=，即F〔41,n—2)=<F=,p<,说明模型有效且有改进，因此我们得到身高与腿长的关系y=+。
当然，也可以利用直线拟合得到同一方程。只不过不能得到参数置信区间和对模型进行检验。拟合程序如下：y=[143145146147149150153154155156157158159160162164];x=[8885889192939395969897969899100102];
a=polyfit(x,y,1)
temp=polyval(a,x);plot(x,y,'r*',x,temp)注意：函数相同，但输出一次函数参数顺序与回归分析(升藉排列)中不同。另一个差别是拟合不能发现奇异数据。