在多元线性回归中，如何用matlab求得各个变量的T统计值及其p值？

一般情况下，p值取0.05，如果想要更为精确，可以取0.01.
二、一元线性回归

2．1．命令 polyfit最小二乘多项式拟合

[p，S]=polyfit（x，y，m）

多项式y=a1xm+a2xm-1+…+amx+am+1

其中x=（x1，x2，…，xm）x1…xm为（n*1）的矩阵;

y为（n*1）的矩阵；

p=（a1，a2，…，am+1）是多项式y=a1xm+a2xm-1+…+amx+am+1的系数；

S是一个矩阵，用来估计预测误差.

2．2．命令 polyval多项式函数的预测值

Y=polyval（p，x）求polyfit所得的回归多项式在x处的预测值Y；

p是polyfit函数的返回值；

x和polyfit函数的x值相同。

2．3．命令 polyconf 残差个案次序图

[Y，DELTA]=polyconf（p，x，S，alpha）求polyfit所得的回归多项式在x处的预测值Y及预测值的显著性为1-alpha的置信区间DELTA；alpha缺省时为0.05。

p是polyfit函数的返回值；

x和polyfit函数的x值相同；

S和polyfit函数的S值相同。

2．4 命令 polytool（x，y，m）一元多项式回归命令

2．5．命令regress多元线性回归（可用于一元线性回归）

b=regress( Y, X )

[b, bint,r,rint,stats]=regress(Y,X,alpha)

b 回归系数

bint 回归系数的区间估计

r 残差

rint 残差置信区间

stats 用于检验回归模型的统计量，有三个数值：相关系数R2、F值、与F对应的概率p,相关系数R2越接近1，说