如何用Matlab求自回归模型系数

1. 如何用Matlab求自回归模型系数

用Matlab求自回归模型（拟合方程）系数的方法比较多，最常用的有
1、多元线性方程——可以用regress（）函数
a=regress(y,X)
2、多元非线性方程——可以用nlinfit（）函数或lsqcurvefit（）函数
a=nlinfit(x,y,func,x0);
a=lsqcurvefit(func,x0,x,y)
说明：
x、y为已知对应的数据
func为自定义回归方程
x0为x的初值
a为自定义回归方程的系数

2. MATLAB求回归系数

矩阵形式的最小二乘法回归系数公式是这样的:

这个公式是书上来的.

X矩阵第一列必须是1, X=[c,x']就是为了构成这个矩阵

你的代码中y是写成nx1的矩阵,而公式中是1xn矩阵,所以B=inv(X'*X)*X'*y'中的y 多了一个转置y'

3. 线性回归问题怎么求回归系数

y=bx+a 
例如：
y=3x+1
因为不知道x前面的系数，和常数项所以设成a，b，a和b通常是需要求的。
先求x，y的平均值X，Y
再用公式代入求解：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)
后把x，y的平均数X，Y代入a=Y-bX
求出a并代入总的公式y=bx+a得到线性回归方程。
扩展资料：
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。
不太一般的情况，线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。像所有形式的回归分析一样，线性回归也把焦点放在给定X值的y的条件概率分布，而不是X和y的联合概率分布。