| 查看: 4056 | 回复: 2 | ||
[求助]
MATLAB中fitlm函数产生的参数的含义 已有1人参与
|
|
fitlm函数产生的参数问题 1.p值是每个自变量在方程中所占的重要性吗？换言之，可以根据p值大小比较各自变量对方程的影响程度吗？ 2.F-statistic vs constant model: 4.35，这是个什么意思 可能问题比较白痴，但是真的是急求有人解答，跪谢，附上我的运算程序 >> clear x1=[34 28.001 28 28 28 22.001 22 22 22 22 16.001 16 16 16 10.001 10 10 10 10 4.001 4 4 4 4]; x2=[12 6 6 6.001 6 1 1 1.001 1 1 15 15 15.001 15 9 9 9.001 9 9 3 3 3.001 3 3]; x3=[8 2 2 2 2.001 10 10 10 10.001 10 4 4 4 4.001 12 12 12 12.001 12 6 6 6 6.001 6]; y=[9.78 14.12 14.34 9.08 12.49 9.84 12.86 11.36 14.96 12.33 7.19 10.29 12.64 9.45 16.53 13.64 15.58 15.71 15.27 13.58 17.71 14.00 9.51 14.72]'; x=[x1',x2',x3']; fitlm(x, y,'quadratic'); >> >> ans ans = Linear regression model: y ~ 1 + x1*x2 + x1*x3 + x2*x3 + x1^2 + x2^2 + x3^2 Estimated Coefficients: Estimate SE tStat pValue ________ ______ _______ _________ (Intercept) 60641 18548 3.2694 0.0055927 x1 -1509.4 847.11 -1.7818 0.096477 x2 -3103.3 2782.3 -1.1153 0.28348 x3 -11908 3742.8 -3.1816 0.0066603 x1:x2 -73.932 64.765 -1.1415 0.2728 x1:x3 193.36 76.495 2.5277 0.024137 x2:x3 336.27 153.26 2.1941 0.045605 x1^2 19.076 30.905 0.61723 0.54699 x2^2 139.7 91.156 1.5325 0.14768 x3^2 411.14 141.57 2.904 0.01155 Number of observations: 24, Error degrees of freedom: 14 Root Mean Squared Error: 1.79 R-squared: 0.737, Adjusted R-Squared 0.567 F-statistic vs. constant model: 4.35, p-value = 0.00719 发自小木虫Android客户端 |
回复此楼» 猜你喜欢
关于filecode，很负责任的告诉大家
已经有7人回复
-
【2027博士申请】纳米药物递送方向
已经有5人回复
-
关于豆爷回答的JTJC与%2F数量
已经有7人回复
-
2026国自然放榜时间
已经有3人回复
-
国基金的申报应该改成非等额制，评价高的钱多评价低的钱少，但是增加资助率
已经有7人回复
-
好奇怪的filecode
已经有4人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有4人回复
-
售SCI一区T0P文章，我:8.O.55.1.O54,科目全,可伽急
已经有4人回复
-
售SCI文章，我:8O.5.5.1O.54,科目全,可十急
已经有4人回复
-
售SCI一区T0P文章，我:8.O.55.1.O.54,科目齐全,可+急
已经有5人回复
2楼2017-02-18 21:19:56
FMStation
至尊木虫 (知名作家)
- 应助: 591 (博士)
- 贵宾: 0.03
- 金币: 18701.7
- 红花: 97
- 帖子: 8891
- 在线: 1493.2小时
- 虫号: 2400059
- 注册: 2013-04-04
- 专业: 计算机应用技术
【答案】应助回帖
感谢参与，应助指数 +1
|
https://www.mathworks.com/help/stats/fitlm.html mdl = fitlm(tbl) returns a linear model fit to variables in the table or dataset array tbl. By default, fitlm takes the last variable as the response variable. mdl = fitlm(tbl,modelspec) returns a linear model of the type you specify in modelspec fit to variables in the table or dataset array tbl. mdl = fitlm(X,y) returns a linear model of the responses y, fit to the data matrix X. mdl = fitlm(X,y,modelspec) returns a linear model of the type you specify in modelspec for the responses y, fit to the data matrix X. mdl = fitlm(___,Name,Value) returns a linear model with additional options specified by one or more Name,Value pair arguments. |
3楼2017-02-19 11:12:02
