MATLAB-如何计算基于x和y的二维最小二乘回归。（回归面）

我有一组自变量x和y的数据。现在我正试图建立一个二维回归模型，这个模型有一个穿过我的数据点的回归曲面。然而，我找不到实现这一目标的方法。有人能给我一些帮助吗

对于线性或多项式模型，您可以使用我的最爱。如果您想要不同的型号，请编辑您的问题或添加评论。嗯

编辑

另外，看看多元回归，可能也能帮到你

再次编辑

抱歉，我对此感到太有趣了，下面是一个使用最小二乘法和股票Matlab进行多元回归的示例：

---

如果要执行线性回归，最好的工具是

回归

函数。注意，如果要拟合形式为

y（x1，x2）=b1.f（x1）+b2.g（x2）+b3的模型，只要知道函数
f
和
g
，这仍然是一个线性回归

Nsamp = 100;  %number of samples
X1 = randn(Nsamp,1);  %regressor 1 (could also be some computed f(x1) )
X2 = randn(Nsamp,1);  %regressor 2 (could also be some computed g(x2) )
Y  = X1 + X2 + randn(Nsamp,1);  %generate some data to be regressed

%now run the regression
[b,bint,r,rint,stats] = regress(Y,[X1 X2 ones(Nsamp,1)]);

% 'b' contains the coefficients, b1,b2,b3 of the fit; can be used to plot regression surface)
% 'r' contains residuals of the fit
% 'stats' contains the overall regression R^2, F stat, p-value and error variance

你安装了吗？好的，polyfitn也是我的最爱。
Nsamp = 100;  %number of samples
X1 = randn(Nsamp,1);  %regressor 1 (could also be some computed f(x1) )
X2 = randn(Nsamp,1);  %regressor 2 (could also be some computed g(x2) )
Y  = X1 + X2 + randn(Nsamp,1);  %generate some data to be regressed

%now run the regression
[b,bint,r,rint,stats] = regress(Y,[X1 X2 ones(Nsamp,1)]);

% 'b' contains the coefficients, b1,b2,b3 of the fit; can be used to plot regression surface)
% 'r' contains residuals of the fit
% 'stats' contains the overall regression R^2, F stat, p-value and error variance