1、v1.0可編輯可修改用matlab做一元線性回歸分析一元線性回歸分析是在排除其他影響因素的假定其他影響因素確定的情況下，分析某一個因素（自變量）是如何影響另外一個事物（因變量）的過程，所進行的分析是比較理想化的。用spsst以做一元線性回歸分析，但是當回歸的自變量比較多的時候，一個一個的輸入會比較麻煩，增加了計算量，本文中描述了如何用matlab語言來實現一元線性回歸分析。在matlab中，regress命令是用來做回歸的。假如有96個SNP作為自變量，有一個因變量，比如說HDLLDL等等，將它們以列導入matlab值得注意的是：自變量前面必須有一列全為1的數據，看下面例子即可理解。foh=1

2、:96z=ones(2334,1),x(:,i);b,bint,r,rint,stats=regress(y,z);c(i,:戶stats;end在一元線性回歸方程中，回歸方程的顯著性檢驗可以替代回歸系數的顯著性檢驗，并且f=T百度中的一個例子：X=1146811141721'Y='X=ones(9,1),Xb,bint,r,rint,stats=regress(Y,X)輸出向量b,bint為回歸系數估計值和它們的置信區間，r,rint為殘差及其置信區間，stats是用于檢驗回歸模型的統計量，有三個數值，第一個是R2,其中R是相關系數，第二個是F統計量值，第三個是與統計量F對應

3、的概率巳當P<a時拒絕H0,回歸模型成立regressMultiplelinearregressionSyntaxb=regress(y,X)b,bint=regress(y,X)b,bint,r=regress(y,X)b,bint,r,rint=regress(y,X)b,bint,r,rint,stats=regress(y,X).=regress(y,X,alpha)Descriptionb=regress(y,X)returnstheleastsquaresfitofyonXbysolvingthelinearmodelforB,where:yisann-by-1vectoro

4、fobservationsXisann-by-pmatrixofregressorsBisap-by-1vectorofparameters?isann-by-1vectorofrandomdisturbancesb,bint=regress(y,X)returnsamatrixbintof95%confidenceintervalsforB.b,bint,r=regress(y,X)returnsavector,rofresiduals.b,bint,r,rint=regress(y,X)returnsamatrixrintofintervalsthatcanbeusedtodiagnoseoutliers.Ifrint(i,:)doesnotcontainzero,thentheithresidualislargerthanwouldbeexpected,atthe5%significancelevel.Thisisevidencethattheithobservationisanoutlier.b,bint,r,rint,stats=regress(y,X)returnsavectorstatsthatcontainstheR2statist