matlab做回归分析时，能做t检验吗？

Posted 2023-05-15

参考技术A 用h=ttest(x,m,0.05)语句进行t检验
，结果h值为1，拒绝原假设，没通过检验。 参考技术B 进行多元线性回归统计数F,
t
测验的小程序：
clear,clc
x=rand(50,10);y=rand(50,1);
%
example
[n,k]=size(x);
X=[ones(n,1),x];%构建结构阵X，
A=X'*X;
%求算信息阵A，
C=inv(A);
%求算信息阵的逆阵，
b=X\y,
%
求算回归统计数向量，其中第一行为回归截距a,
RSS=y'*y-b'*X'*y,
%求算离回归平方和，
MSe=RSS/(n-k-1),%求算离回归方差，
Up=b.*b./diag(C);%求算偏回归平方和，其中第一行是a与0差异的偏平方和，
F=Up/MSe,%F测验，其中第一行为a与0差异的F值，
sb=sqrt(MSe*diag(C));
%求算回归统计数标准误，
t=b./sb,
%
回归统计数的
t
测验，其中第一行为a与0差异的t测验值。
[t,
t.^2,
F],%验证t^2=F
SSy=var(y)*(n-1)
R2=(SSy-RSS)/SSy
顺便说一下，你的ttest(x,m)的
t
测验指的是单个样本（平均数）与
m
之间差异显著性的
t
测验，而非多元线性回归系数的
t
测验。
这是一段编程，不知有没有用。 参考技术C 进行多元线性回归统计数F,
t
测验的小程序：
clear,clc
x=rand(50,10);y=rand(50,1);
%
example
[n,k]=size(x);
X=[ones(n,1),x];%构建结构阵X，
A=X'*X;
%求算信息阵A，
C=inv(A);
%求算信息阵的逆阵，
b=X\y,
%
求算回归统计数向量，其中第一行为回归截距a,
RSS=y'*y-b'*X'*y,
%求算离回归平方和，
MSe=RSS/(n-k-1),%求算离回归方差，
Up=b.*b./diag(C);%求算偏回归平方和，其中第一行是a与0差异的偏平方和，
F=Up/MSe,%F测验，其中第一行为a与0差异的F值，
sb=sqrt(MSe*diag(C));
%求算回归统计数标准误，
t=b./sb,
%
回归统计数的
t
测验，其中第一行为a与0差异的t测验值。
[t,
t.^2,
F],%验证t^2=F
SSy=var(y)*(n-1)
R2=(SSy-RSS)/SSy
顺便说一下，你的ttest(x,m)的
t
测验指的是单个样本（平均数）与
m
之间差异显著性的
t
测验，而非多元线性回归系数的
t
测验。
这是一段编程，不知有没有用。

怎样用SPSS做一元线性回归？具体怎么检验相关性

1、打开SPSS软件，在提示符后输入因变量y和自变量x的数据。

2、接下来使用R中作线性模型的函数lm()函数，lm(y~x+1)表示做有截距的线性回归模型，接下来lm(y~x)也是表示有截距的线性回归模型，lm(y~x+0)和lm(y~x-1)则表示过原点的线性回归模型，红色部分即为输出结果。

3、在上述结果中，只得出了回归方程的系数和截距，要提取模型信息就要用到summary()函数。得到的结果就比刚刚多了很多信息了。

4、接下来对所得结果进行分析：结果中Call部分列出了相应的回归模型公式，Residuals部分列出了残差的最小值点、四分之一分位点、中位数点、四分之三分位点和最大值点。

Coefficients部分中 Estimate 是回归方程参数的估计值，Std. Error表示回归参数的标准差，t value 即为t值，Pr(>|t|) 即为p值，后面的***为显著性标记，*越多越显著。

5、当模型通过检验，可用于预测，此时我们需要用到R中的predict()函数，假设要预测x等于0.16时y的值，其中interval="prediction"表示求预测点的值的同时要给出相应的预测区间，level=0.95表示求95%的置信区间。

6、分析结果： fit 值即为x=0.16时y的预测值，lwr和upr分别表示预测区间的上下限。一般的回归分析做到这里就可以了。

参考技术A 你问的是2个问题吧，如果做一元线性回归，就不用检验相关性。下面只是简单说下操作，希望对你有帮助。
1、一元线性回归
在spss里录入相应数据，自变量x，因变量Y，然后点击：analyze--regression--linear，在弹出框里，dependent选择因变量Y，independent选择自变量X，如无其他需求，其他可以默认，直接点ok就可以出结果。结果里，R值就是回归系数，ANOVA里，sig小于0.05证明回归方程有效。constant对应的B值是截距。最后方程：Y=B+Rx
2、检验相关性
以连续数据为例，点击：analyze--correlate--bivariate，在弹出框里，把需要检验相关的变量选择过去，没特别要求的，直接点击ok即可。结果里：横列对应的2个变量的pearson correlation那个数值就是相关系数，sig小于0.05就是显著相关。本回答被提问者采纳 参考技术B 分析--回归--线性，回归方程由标准化回归系数和变量组成，
检验：分析--回归--线性，Method为进入，统计量中，右边选择回归模式适合度检验，解释量的该变量、共线性诊断。系数表中，Beta值为标准化回归系数，查看其是否显著