[已解决]matlab利用eval计算的值如何批量带入regress公式

飞翔的思维

问题描述及需求：

我做Y和X的多元回归方程，X为1223行6列的矩阵，Y是1223行*85列的矩阵，需求是：1）需要实现Y逐列与X进行回归；即回归循环85次；2）需要提取每个回归方程，关于X的beta（即coefficient）的值及其 t-stats；

目前我用的方法是：

用eval 函数将每列Y提取出来，形成y1、y2...y85，接下来打算用上面的值分别与X进行回归，卡在于如何批量地将y1，y2...y85，放入regress或者regstats函数中，进行计算。X的beta（即coefficient）的值及其 t-stats；

我在网上找了很久，但是都没有找到方法，求助大神

最佳答案

月排行榜 / 总排行榜

陶远航

2023-7-30 19:05:44

你的问题是多元回归问题，其中因变量 Y 是一个包含 85 列的矩阵，自变量 X 是一个包含 6 列的矩阵。你的目标是逐列地将每一列 Y 与 X 进行回归，并提取回归方程中关于 X 的系数（beta 值）和 t-stats 值。

在 MATLAB 中，你可以使用循环来逐列地进行回归，并存储每个回归模型的结果。然后，从每个模型中提取你所需的系数和 t-stats。

以下是实现此目标的 MATLAB 代码示例：

1. % 假设 X 是 1223 行 6 列的矩阵
   
2. % 假设 Y 是 1223 行 85 列的矩阵
   
3. 
   
4. % 为存储回归结果创建空的 cell 数组
   
5. coefficients = cell(1, 85);
   
6. t_stats = cell(1, 85);
   
7. 
   
8. % 循环逐列进行回归
   
9. for col = 1:85
   
10.     % 提取第 col 列的 Y
    
11.     y_col = Y(:, col);
    
12.    
    
13.     % 执行回归，使用 fitlm 或 fitlm
    
14.     % fitlm 函数使用方法：
    
15.     % mdl = fitlm(X, y_col);
    
16.     % coefficients{col} = mdl.Coefficients.Estimate;
    
17.     % t_stats{col} = mdl.Coefficients.tStat;
    
18.    
    
19.     % 如果使用 regstats 函数：
    
20.     % b = regstats(y_col, X, 'linear');
    
21.     % coefficients{col} = b.beta;
    
22.     % t_stats{col} = b.tstat;
    
23. end
    
24. 
    
25. % coefficients 数组中存储了每个回归方程中关于 X 的 beta 值
    
26. % t_stats 数组中存储了每个回归方程中关于 X 的 t-stats 值

复制代码

上述代码中提供了两种回归函数的示例：fitlm 和 regstats。你可以选择其中一种来进行回归，两者在结果上是等价的。

请注意，代码中的部分代码被注释掉了，因为实际的数据和回归函数需要根据你的具体情况进行调整。你需要根据实际情况将其取消注释，并根据自己的数据集选择适合的回归函数。

希望这可以帮助你完成回归分析并提取系数和 t-stats 值。如有其他问题，请随时问我！

跳转到最佳答案楼层

isdkz

不推荐使用  eval  函数，这个函数可能会导致未预期的错误，使得程序难以调试。更好的做法是使用 MATLAB 内建的多维数组，你可以轻易地进行相应的操作。以下是你可以尝试的代码：

1. % 假设 Y 是你的 1223x85 矩阵，X 是你的 1223x6 矩阵
   
2. Y = rand(1223, 85);  % 这只是为了示例，你需要替换为实际的 Y
   
3. X = rand(1223, 6);   % 这只是为了示例，你需要替换为实际的 X
   
4. 
   
5. % 初始化
   
6. betas = zeros(6, 85);   % 存储每列的beta值
   
7. tStats = zeros(6, 85);  % 存储每列的 t-stats
   
8. 
   
9. % 为每列 Y 进行回归
   
10. for i = 1:size(Y, 2)
    
11.     y = Y(:, i);
    
12.     [b,~,~,~,stats] = regress(y, X);
    
13.     betas(:, i) = b;
    
14.     tStats(:, i) = stats.tstat;
    
15. end
    

复制代码

解释一下以上的代码：
首先，我们假设  Y  是你的 1223x85 矩阵， X  是你的 1223x6 矩阵。然后我们初始化了两个矩阵， betas  用来存储每列的 beta 值， tStats  用来存储每列的 t-stats。

之后，我们使用一个 for 循环，对  Y  的每一列进行回归。在每次循环中，我们取出  Y  的一列作为  y ，然后使用  regress  函数对  y  和  X  进行回归。 regress  函数返回的结果中， b  是回归系数， stats.tstat  是 t 统计量。我们分别把这些结果存储在  betas  和  tStats  中。

循环结束后， betas  矩阵将存储  Y  的每一列对应的 beta 值， tStats  矩阵将存储每一列对应的 t-stats。

希望这个答案对你有所帮助！

叼辣条闯世界

你可以使用循环来逐列对 Y 和 X 进行回归分析，并提取每个回归方程关于 X 的 beta 值和 t-stats。

下面是一个示例代码，假设你使用的是 Python 的 statsmodels 库来进行回归分析：

1. import numpy as np
   
2. import statsmodels.api as sm
   
3. 
   
4. # 假设 X 是 1223 行 6 列的矩阵
   
5. X = np.random.rand(1223, 6)
   
6. 
   
7. # 假设 Y 是 1223 行 85 列的矩阵
   
8. Y = np.random.rand(1223, 85)
   
9. 
   
10. # 创建一个空的列表来保存每个回归方程的结果
    
11. results = []
    
12. 
    
13. # 遍历 Y 的每一列
    
14. for i in range(Y.shape[1]):
    
15.     # 提取第 i 列作为当前的 Y 变量
    
16.     y = Y[:, i]
    
17.    
    
18.     # 构建回归模型
    
19.     model = sm.OLS(y, X)
    
20.    
    
21.     # 拟合数据
    
22.     result = model.fit()
    
23.    
    
24.     # 提取系数（beta）和 t 值（t-stats）
    
25.     beta = result.params
    
26.     tstats = result.tvalues
    
27.    
    
28.     # 将 beta 和 t-stats 添加到结果列表中
    
29.     results.append((beta, tstats))
    
30. 
    
31. # 打印每个回归方程的 beta 值和 t-stats
    
32. for i, (beta, tstats) in enumerate(results):
    
33.     print(f"Regression Equation {i+1}:")
    
34.     print("Beta (Coefficient):", beta)
    
35.     print("t-stats:", tstats)
    
36.     print()

复制代码

上述代码中使用了 statsmodels 库的 OLS 方法来创建回归模型，并通过 fit 方法进行拟合。然后使用 params 方法提取回归系数（beta），使用 tvalues 方法提取 t 值（t-stats）。

你可以根据自己的需求修改代码，适配你的数据

陶远航

你的问题是多元回归问题，其中因变量 Y 是一个包含 85 列的矩阵，自变量 X 是一个包含 6 列的矩阵。你的目标是逐列地将每一列 Y 与 X 进行回归，并提取回归方程中关于 X 的系数（beta 值）和 t-stats 值。

在 MATLAB 中，你可以使用循环来逐列地进行回归，并存储每个回归模型的结果。然后，从每个模型中提取你所需的系数和 t-stats。

以下是实现此目标的 MATLAB 代码示例：

1. % 假设 X 是 1223 行 6 列的矩阵
   
2. % 假设 Y 是 1223 行 85 列的矩阵
   
3. 
   
4. % 为存储回归结果创建空的 cell 数组
   
5. coefficients = cell(1, 85);
   
6. t_stats = cell(1, 85);
   
7. 
   
8. % 循环逐列进行回归
   
9. for col = 1:85
   
10.     % 提取第 col 列的 Y
    
11.     y_col = Y(:, col);
    
12.    
    
13.     % 执行回归，使用 fitlm 或 fitlm
    
14.     % fitlm 函数使用方法：
    
15.     % mdl = fitlm(X, y_col);
    
16.     % coefficients{col} = mdl.Coefficients.Estimate;
    
17.     % t_stats{col} = mdl.Coefficients.tStat;
    
18.    
    
19.     % 如果使用 regstats 函数：
    
20.     % b = regstats(y_col, X, 'linear');
    
21.     % coefficients{col} = b.beta;
    
22.     % t_stats{col} = b.tstat;
    
23. end
    
24. 
    
25. % coefficients 数组中存储了每个回归方程中关于 X 的 beta 值
    
26. % t_stats 数组中存储了每个回归方程中关于 X 的 t-stats 值

复制代码

上述代码中提供了两种回归函数的示例：fitlm 和 regstats。你可以选择其中一种来进行回归，两者在结果上是等价的。

请注意，代码中的部分代码被注释掉了，因为实际的数据和回归函数需要根据你的具体情况进行调整。你需要根据实际情况将其取消注释，并根据自己的数据集选择适合的回归函数。

希望这可以帮助你完成回归分析并提取系数和 t-stats 值。如有其他问题，请随时问我！