主要内容

coefCI

线性回归模型系数估计的置信区间

折叠所有页面

语法

ci = cofci（mdl）
ci = cofci（mdl，alpha）

描述

例子

ci= coefCI (MDL.）返回中系数的95%置信区间MDL.．

例子

ci= coefCI (MDL.，α）使用置信水平返回置信区间1 - alpha.．

例子

全部折叠

打开直播脚本

适合线性回归模型，获取所产生的模型系数的默认95％置信区间。

加载carbig数据集并创建一个表，其中起源预测分类。

负载carbig来源=分类（Cellstr（origin））;TBL =表（马力，重量，MPG，原产地）;

适合线性回归模型。指定马力，重量， 和起源作为预测变量，并指定英里/加仑作为响应变量。

modelspec ='MPG〜1 +马力+重量+起源'；mdl = fitlm(资源描述、modelspec);

查看系数的名称。

mdl。CoefficientNames
ans =1 x9单元格列1至4 {'(Intercept)'}{'马力'}{'重量'}{'Origin_France'}第5至7列{'Origin_Germany'} {'Origin_Italy'} {'Origin_Japan'}第8至9列{'Origin_Sweden'} {'Origin_USA'}

找出模型系数的置信区间。

ci = cofci（mdl）
ci =9×243.3611 59.9390 -0.0748 -0.0315 -0.0059 -0.0037 -17.3623 -0.3477 -15.7503 0.7434 -15.2091 0.0613 -14.5106 1.8738 -18.5820 -1.5036 -17.3114 -0.9642
打开直播脚本

拟合一个线性回归模型，并使用指定的置信水平得到得到的模型系数的置信区间。

加载carbig数据集并创建一个表，其中起源预测分类。

负载carbig来源=分类（Cellstr（origin））;TBL =表（马力，重量，MPG，原产地）;

适合线性回归模型。指定马力，重量， 和起源作为预测变量，并指定英里/加仑作为响应变量。

modelspec ='MPG〜1 +马力+重量+起源'；mdl = fitlm(资源描述、modelspec);

找到系数99％的置信区间。

ci = coefCI (mdl . 01)
ci =9×23.3546 -19.9433 2.7955 -17.1045 4.4676 -21.2858 1.2002 -19.8995

置信区间比默认的95％置信区间宽找出模型系数的置信区间．

输入参数

全部折叠

线性回归模型对象，指定为linearmodel.使用fitlm或者stepwiselm，或者CompactLinearModel使用袖珍的．

置信区间的显著性水平，指定为范围[0,1]中的数值。的置信水平ci等于100 (1 -α) %．α置信区间不包含真实值的概率。

例子:0．01

数据类型:单|双

输出参数

全部折叠

置信区间，返回为k- × 2数值矩阵，其中k为系数的个数。的jth排ci的置信区间是jth系数MDL.．系数的名称j存储在CoefficientNames的属性MDL.．

数据类型:单|双

更多关于

全部折叠

置信区间

系数置信区间提供了对回归系数估计的精度的量度。

100(1 - α)%置信区间给出了相应回归系数在100(1 - α)%置信区间内的范围，这意味着由重复实验产生的100(1 - α)%置信区间将包含系数的真值。

该软件使用Wald方法寻找置信区间。回归系数的100*(1 - α)%置信区间为

b 我 ± t （ 1 − α. / 2 ， n − p ） 年代 E （ b 我 ） ，

在哪里b我为系数估计，SE（b我)为系数估计的标准误差，且t（1-α/ 2，n- - - - - -p）是100(1 - α/2)的百分位数吗t分布与n- - - - - -p自由程度。n是观察人数和p为回归系数的个数。

扩展功能

另请参阅

||||

主题

介绍了R2012a

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书