您可以使用函数“coefTest”找到整个野生和部分野生。这里有一个例子的一般过程:
> >%设置数据和例子
> >加载哈尔德
> > f = fitlm(成分、热)
这返回一个表整体假定值和t统计量对个人拦截系数和整体统计。然而,您还可以使用“coefTest”来计算其他部分F统计通过声明一个矩阵M M * b (b是向量的系数估计)指定的约束条件你想设置为0。下面是例子使用这种方法来计算整体F统计量,一个t统计值,部分F统计量用于测试两个系数。
注意整个F和p值从上面——这是他们如何计算:
> > M = [0 1 0 0 0;0 0 1 0 0;0 0 0 1 0;0 0 0 0 1);
> > [p F] = coefTest (F,米)
注意这里的x1 - t和p值是如何计算:
> > M = [0 1 0 0 0);
> > [p F] = coefTest (F,米)
> > sqrt (F)
计算部分野生的x3和x4系数:
> > M = [0 0 0 1 0;0 0 0 0 1);
> > [p F] = coefTest (F,米)
或者,您可以使用该函数执行部分野生“stepwiselm”。有关更多信息,请参见下面的文档页面关于“stepwiselm”:
“stepwiselm”始于一个模型,逐步添加或移除特性来找到最好的模型根据指定的标准。标准之一是SSE(平方误差的总和)。你可以看到每个模型的f统计量的添加/移除特性而训练。
