1、Y,X为提供的X和Y数组，alpha为显著性水平（缺省时设定为0.05），b,bint为回归系数估计值和它们的置信区间，r,rint为残差（向量）及其置信区间，stats是用于检验回归模型的统计量，有四个数值，第一个是R2，第二个是F，第三个是与F对应的概率 p ，p 拒绝 H0，回归模型成立，第四个是残差的方差 s2 。残差及其置信区间可以用 rcoplot（r,rint）画图。例1合金的强度y与其中的碳含量x有比较密切的关系，今从生产中收集了一批数据如下表 1。先画出散点图如下： x=0.1:0.01:0.18;y=42,41.5,45.0,45.5,45.0,47.5,49.0,55.0
2、,50.0;plot（x,y,+） 可知 y 与 x 大致上为线性关系。设回归模型为 y =0 +1x用regress 和rcoplot 编程如下：clc,clear x1=0.1:0.18;y=42,41.5,45.0,45.5,45.0,47.5,49.0,55.0,50.0x=ones（9,1）,x1;b,bint,r,rint,stats=regress（y,x）;b,bint,stats,rcoplot（r,rint） 得到 b =27.4722 137.5000 bint =18.6851 36.2594 75.7755 199.2245 stats =0.7985 27.7469
3、 0.0012 4.0883 即 0=27.4722 1=137.5000 0的置信区间是18.6851,36.2594， 1 的置信区 间是75.7755,199.2245；R2= 0.7985 ， F = 27.7469 ， p = 0.0012 ， s2 =4.0883 。可知模型（41）成立。观察命令 rcoplot（r,rint）所画的残差分布，除第 8 个数据外其余残差的置信区间均包含零点第8个点应视为异常点，将其剔除后重新计算，可得 b =30.7820 109.3985 bint =26.2805 35.2834 76.9014 141.8955 stats =0.9188 67.8534 0.0002 0.8797 应该用修改后的这个结果。
升级会员 