matlab初步回归代码介绍
这是一个Matlab函数，它运行逐步回归算法以适合给定的N个数据点。
所识别的模型的形式为
Y
=
\总和{k_i
*
P_i（x）}
Y（Nx1）是模型输出。
x（Nxm）是m维模型输入。
P_i（x）是作为x的任意函数的第i个回归变量。
k_i是第i个回归系数。
通过提供候选P_i（x）的字典，此算法从字典中选择P_i（x）并标识其系数以最小化最小二乘数据拟合误差。
如果您在学术环境中使用此代码，请引用
@article{GrayboxSun2018,
author
=
{Sun,
Sihao
and
de
Visser,
Coen
C.
and
Chu,
Qiping},
doi
=
{10.2514/1.C035135},
issn
=
{0021-8669},
journal
=
{Journal
of
Aircraft},
month
=
{mar},
number
=
{2},
pages
=
{645--661},
title
=
{{Quadrotor
Gray-Box
Model
Identification
from
High-Spe
2021-10-15 00:09:38
230KB
1
逐步回归分析研究X 对Y 的影响关系情况，X 可以为多个，但并非所有 X 均会对Y 产生影响；当 X 个数很多时，可以让系统自动识别出有影响的 X；这一自动识别分析方法则称为逐步回归分析。
2021-10-11 14:08:08
364KB
1
逐步回归方法的基本思想
对全部的自变量x1,x2,...,xp,按它们对Y贡献的大小进行比较，并通过F检验法，选择偏回归平方和显著的变量进入回归方程，每一步只引入一个变量，同时建立一个偏回归方程。当一个变量被引入后，对原已引入回归方程的变量，逐个检验他们的偏回归平方和。如果由于引入新的变量而使得已进入方程的变量变为不显著时，则及时从偏回归方程中剔除。在引入了两个自变量以后，便开始考虑是否有需要剔除的变量。只有当回归方程中的所有自变量对Y都有显著影响而不需要剔除时，在考虑从未选入方程的自变量中，挑选对Y有显著影响的新的变量进入方程。不论引入还是剔除一个变量都称为一步。不断重复这一过程，直至无法剔除已引入的变量，也无法再引入新的自变量时，逐步回归过程结束。
2021-10-11 14:03:52
153KB
1
正向逐步模型选择算法：变量按顺序添加到活动变量集中。 该过程不涉及任何潜在协变量的统计显着性检验； 相反，它会根据变量进入活动集时的顺序生成一个排名。
该函数可以提供大小为 (K+1)xN（N 个观测值、K 个预测变量、一个解释变量）的数据集。
2021-09-30 10:20:01
3KB
1