调用
robustfit
函数作稳健回?/p>
regress
函数?/p>
regstats
函数利用普通最小二乘法估计模型中的参数?/p>
参数的估计值受异常?/p>
的影响比较大?/p>
robustfit
函数采用加权最小二乘法估计模型中的参数,受异常值的影响就比
较小?/p>
robustfit
函数用来作稳健的多重线性或广义线性回归分析,下面介绍
robustfit
?/p>
数的用法?/p>
1.4.1
?/p>
robustfit
函数的用?/p>
robustfit
函数有以下几种调用方式:
b = robustfit(X,y)
b = robustfit(X,y,wfun,tune)
b = robustfit(X,y,wfun,tune,const)
*b,stats+ = robustfit(?
?/p>
1
?/p>
b = robustfit(X,y)
返回多重线性回归方程中系数向量
β
的估计?/p>
b
?/p>
这里?/p>
b
为一?/p>
1p
×的向量?/p>
输入参数
X
为自变量观测值矩阵(或设计矩阵)
,它是的矩阵。与
regress
?/p>
数不同的是,默认情况下,
robustfit
函数自动?/p>
X
?/p>
1
列元素的左边加入一?/p>
1
,不需要用
户自己添加。输入参?/p>
y
为因变量的观测值向量,是的列向
量?/p>
robustfit
函数?/p>
y
?/p>
X
中不确定数据
NaN
作为缺失数据而忽略它们?/p>
np
×
1n
×
?/p>
2
?/p>
b = robustfit(X,y,wfun,tune)
用参?/p>
wfun
指定加权函数,用参数
tune
指定调节常数?/p>
wfun
为字符串,其可能的取值如
?/p>
1-3
所示?/p>
?/p>
1-3 robustfit
函数支持的加权函?/p>
加权函数?/p>
wfun
?/p>
函数表达?/p>
默认调节常数?/p>
'andrews' sin(||)rwIrrπ=
?/p>
<
1.339
'bisquare'
(默认值)
22(1)(||1)wrIr=?/p>
?/p>
<
4.685
'cauchy' 21(1)wr=+
2.385
'fair' 1(1||)wr=+
1.400
'huber' 1max(1, ||)wr=
1.345
'logistic' tanh()wr=
1.205
'ols'
普通最小二乘,无加权函?/p>
?/p>
'talwar'
(||1)wIr=<