matlab多元线性回归方程代码

假设你有一个包含 n 个自变量和 m 个观测值的数据集 X：

X = [x1_1 x2_1 ... xn_1; ...
     x1_2 x2_2 ... xn_2; ...
     ...              ...
     x1_m x2_m ... xn_m];

并且你有一个包含 m 个因变量的向量 y：

y = [y_1; y_2; ...; y_m];

则可以使用 `regress` 函数来拟合多元线性回归模型。下面是一个示例代码：

% 生成一些随机数据
n = 3; % 自变量数量
m = 100; % 观测值数量
X = rand(m, n);
y = X * [2; -1; 0.5] + randn(m, 1) * 0.1;

% 使用 regress 函数拟合多元线性回归模型
[beta, se, R2, F, pval] = regress(y, [ones(m, 1) X]);

% 显示模型拟合结果
disp('多元线性回归模型拟合结果：');
disp(['系数：', num2str(beta')]);
disp(['标准误差：', num2str(se')]);
disp(['R^2：', num2str(R2)]);
disp(['F 统计量：', num2str(F)]);
disp(['p 值：', num2str(pval')]);

其中，`beta` 是回归系数向量，`se` 是标准误差向量，`R2` 是 R 平方值，`F` 是 F 统计量，`pval` 是 p 值向量。注意，`regress` 函数会自动添加一个常数项到自变量矩阵中。