使用matlabs类回归多边形拟合

我有：

x = [1970:1:2000]
y = [data]

size(x) = [30,1]
size(y) = [30,1]

我想：

% Yl = kx + m, where
[k,m] = polyfit(x,y,1)

出于某种原因，我不得不用“回归”来表示

---

使用k=回归（x，y）给出了一些完全随机的值，我不知道它来自哪里。怎么做？

在“k”中获得的输出数量取决于输入X的大小，因此，仅通过直接输入X和y，不会同时获得

m

和

k

。从文档中：

b=回归（y，X）返回系数估计的p×1向量b，用于对X中的预测值进行y中的响应的多线性回归。X是n个观测值中每一个的p预测值的n×p矩阵。y是观察到的响应的n×1向量

虽然没有明确说明，但帮助文档中使用

carsmall

内置数据集的示例向您展示了如何进行设置。对于您的情况，您需要：

X = [ones(size(x)) x]; % make sure this is 30 x 2
b = regress(y,X);  % y should be 30 x 1, b should be 2 x 1

b（1）

应该是你的

m

，而

b（2）

应该是你的

k

回归

还可以提供额外的输出，如置信区间、残差、统计数据（如r平方等）。输入保持不变，您只需更改输出：

[b,bint,r,rint,stats] = regress(y,X);

---

在“k”中获得的输出数量取决于输入X的大小，因此仅通过输入X和y就无法同时获得

m

和

k

。从文档中：

b=回归（y，X）返回系数估计的p×1向量b，用于对X中的预测值进行y中的响应的多线性回归。X是n个观测值中每一个的p预测值的n×p矩阵。y是观察到的响应的n×1向量

虽然没有明确说明，但帮助文档中使用

carsmall

内置数据集的示例向您展示了如何进行设置。对于您的情况，您需要：

X = [ones(size(x)) x]; % make sure this is 30 x 2
b = regress(y,X);  % y should be 30 x 1, b should be 2 x 1

b（1）

应该是你的

m

，而

b（2）

应该是你的

k

回归

还可以提供额外的输出，如置信区间、残差、统计数据（如r平方等）。输入保持不变，您只需更改输出：

[b,bint,r,rint,stats] = regress(y,X);

---

在“k”中获得的输出数量取决于输入X的大小，因此仅通过输入X和y就无法同时获得

m

和

k

。从文档中：

b=回归（y，X）返回系数估计的p×1向量b，用于对X中的预测值进行y中的响应的多线性回归。X是n个观测值中每一个的p预测值的n×p矩阵。y是观察到的响应的n×1向量

虽然没有明确说明，但帮助文档中使用

carsmall

内置数据集的示例向您展示了如何进行设置。对于您的情况，您需要：

X = [ones(size(x)) x]; % make sure this is 30 x 2
b = regress(y,X);  % y should be 30 x 1, b should be 2 x 1

b（1）

应该是你的

m

，而

b（2）

应该是你的

k

回归

还可以提供额外的输出，如置信区间、残差、统计数据（如r平方等）。输入保持不变，您只需更改输出：

[b,bint,r,rint,stats] = regress(y,X);

---

在“k”中获得的输出数量取决于输入X的大小，因此仅通过输入X和y就无法同时获得

m

和

k

。从文档中：

b=回归（y，X）返回系数估计的p×1向量b，用于对X中的预测值进行y中的响应的多线性回归。X是n个观测值中每一个的p预测值的n×p矩阵。y是观察到的响应的n×1向量

虽然没有明确说明，但帮助文档中使用

carsmall

内置数据集的示例向您展示了如何进行设置。对于您的情况，您需要：

X = [ones(size(x)) x]; % make sure this is 30 x 2
b = regress(y,X);  % y should be 30 x 1, b should be 2 x 1

b（1）

应该是你的

m

，而

b（2）

应该是你的

k

回归

还可以提供额外的输出，如置信区间、残差、统计数据（如r平方等）。输入保持不变，您只需更改输出：

[b,bint,r,rint,stats] = regress(y,X);

---

如果您查看文档，它会说正确的形式是

k=regresse（y，X）

。你确定你用的是正确的表格吗？另外，你怎么知道它是一个完全随机的值呢？如果你看一下文档，它说正确的形式是

k=regresse（y，X）

。你确定你用的是正确的表格吗？另外，你怎么知道它是一个完全随机的值呢？如果你看一下文档，它说正确的形式是

k=regresse（y，X）

。你确定你用的是正确的表格吗？另外，你怎么知道它是一个完全随机的值呢？如果你看一下文档，它说正确的形式是

k=regresse（y，X）

。你确定你用的是正确的表格吗？还有，你怎么知道它是一个完全随机的值？