回归诊断
regstats(Y,X,
模型
)
统计= regstats(...)
统计= regstats(Y,X,模型
,whichstats
)
regstats(Y,X,
执行响应的在多元线性回归模型
)ÿ
在该预测X
。X
是一个ñ-通过-p矩阵p在每个预测ñ观察结果。ÿ
是一个ñ观察到的应答×1向量。
默认,regstats
增加了1秒的第一列X
,对应于在模型中的常数项。不要输入1秒的一列直接进入X
。
可选的输入模型
控制回归模型。默认,regstats
使用具有常数项的线性相加模型。模型
可以是以下的任何一个:
“线性”
- 常量和线性项(缺省值)
'相互作用'
- 常量,线性的,并且交互项
“二次”
- 常量,线性,互动和平方项
'purequadratic'
- 常量,线性和平方项
或者,模型
可以是由接受的模型项的基质x2fx
功能。看到x2fx
对于该矩阵的说明,以及用于在这些术语出现的顺序的说明。您可以使用此矩阵指定其他模型,包括那些没有常数项。
与此语法中,函数显示的图形用户界面(GUI)与诊断统计信息的列表,如在如下图所示。
当您选择相应的统计复选框要计算和点击好,regstats
返回所选统计到MATLAB®工作区。工作区变量的名称显示在界面的右侧。您可以将工作区变量的名称更改为任何有效的MATLAB变量名。
统计= regstats(...)
创建结构统计
,其字段包含所有的回归诊断统计。此语法不打开GUI。的领域统计
列于下表。
领域 | 描述 |
---|---|
Q |
Q来自QR设计矩阵的分解 |
[R |
[R来自QR设计矩阵的分解 |
公测 |
回归系数 |
covb |
回归系数的协方差 |
yhat |
响应数据的拟合值 |
[R |
残差 |
MSE |
均方误差 |
rsquare |
[R2统计 |
adjrsquare |
调整[R2统计 |
杠杆作用 |
杠杆作用 |
hatmat |
帽子矩阵 |
s2_i |
删除-1变化 |
beta_i |
删除-1的系数 |
standres |
标准化残差 |
studres |
学生化残差 |
dfbetas |
在回归系数缩放变化 |
dffit |
变化拟合值 |
DFFITS |
在拟合值缩放变化 |
covratio |
变化协方差 |
cookd |
Cook距离 |
TSTAT |
Ť统计和p- 值的系数 |
FSTAT |
F统计和p-值 |
dwstat |
DW统计和p-值 |
请注意,领域名称统计
对应于变量的名字恢复到MATLAB工作区,当您使用GUI。例如,stats.beta
对应于所述可变公测
当您选择返回系数在GUI和点击好。
统计= regstats(Y,X,
只返回统计您指定模型
,whichstats
)whichstats
。whichstats
可以是单个字符载体如“杠杆”
,一个字符串数组,如[ “杠杆作用”, “standres”, “studres”]
或字符的单元阵列载体如{ '杠杆', 'standres', 'studres'}
。组whichstats
至'所有'
返回所有统计数据。
该F统计数字是该模型包含一个常数项的假设下计算的。这不是没有车型恒定正确。该[R2统计可以是用于模型负不恒定,这表明模型是不适合的数据。
打开regstats
使用数据从GUIhald.mat
:
负载哈尔德regstats(热,配料, '线性');
选择拟合值和残差在GUI中:
请点击好以拟合值和残差导出到MATLAB工作空间中的命名变量yhat
和[R
, 分别。
您可以创建使用相同的变量统计
输出,而不用打开GUI:
whichstats = { 'yhat', 'R'};统计= regstats(热,配料, '线性',whichstats);yhat = stats.yhat;R = stats.r;
[1]贝尔斯利,D. A.,E. KUH,和R. E.韦尔施。回归诊断。新泽西州霍博肯市:John Wiley和Sons公司,1980年。
[2] Chatterjee的,S.,和A. S.哈迪。“有影响力的意见,高杠杆点,与粗线性回归。”统计科学。卷。1,1986年,第379-416。
[3]库克,R.D。,和S. Weisberg的。残差及影响因素回归。纽约:查普曼和霍尔/ CRC出版社,1983。
[4]古德尔,C.R。“计算使用QR分解”。手册中的统计数据。卷。9,阿姆斯特丹:爱思唯尔/北荷兰,1993年。