最近用matlab做線性回歸，用到命令regress，可是發現他沒辦法做回歸係數的t檢驗，因此，自己就寫了乙個。參考書籍：《計量經濟學》龐皓 科學出版社
function [b,beta,t,t0,sigma,rss,tss,r,r1,f,f0]=pureregress(x,y,con)
%x是因子，n*p,不包括場數列，y是被解釋變數，n*1.con是置信度，預設：0.95，一列代表乙個因子
%[n,k]=size(x);
eyes=eye(k+1,k+1);%對角單位矩陣
x=[ones(n,1),x];%構建結構陣x，
a=x'*x; %求算資訊陣a，
c=eyes/a; %求算資訊陣的逆陣
b=x\y; % 求算回歸統計數向量，其中第一行為回歸截距
y_1=x*b;%y的估計值序列
rss=sum((y-y_1).^2);%殘差平方和
tss=sum((y-mean(y)).^2);%總變差
ess=tss-rss;%回歸變差
r=1-(rss/tss);%未修正的r方或者說可決係數
r1=1-
用python編寫線性回歸程式
在網上本來找到了程式模板以為新建python專案然後導過去就能用了，可是我還是想的太簡單，導過去後程式有很多庫並沒有，就像這樣。本來還有sklearn庫，不過我用pip install sklearn 安裝了，如果你沒有pip，請先安裝pip。然後pandas也是要安裝的，也是命令列直接pip in...
MATLAB 線性回歸
一 一元線性回歸 1 1 命令 polyfit最小二乘多項式擬合 p，s polyfit x，y，m 多項式y a1xm a2xm 1 amx am 1 其中x x1，x2，xm x1 xm為 n 1 的矩陣 y為 n 1 的矩陣 p a1，a2，am 1 是多項式y a1xm a2xm 1 amx...
線性回歸（Matlab）
單變數線性回歸 假設方程 構造矩陣x時，使x 1 1 代價函式 y是訓練集中實際值，h x 是 值 利用gradient descent 梯度下降 一步步迭代求出使代價函式最小的 注意 對於單變數，是二維的 data load ex1data1.txt x data 1 y data 2 m len...