一、一元回归线性之旧轿车价格
x表示年数，y表示平均价格，建立平均价格与使用年数的关系；
clc
clear
x=1:10;
y=[2650,1942,1493,1086,766,539,485,291,224,202];
for i=1:10; %循环1到10年和平均价格
plot(x(i),y(i),'or');
hold on;
end
xlabel('x');
ylabel('y');程序用到一个for循环，这个和C语言几乎是一样的，循环并绘制一到十年的年份与平均价格，‘or’表示的是画的红色的圈，这里给一个绘图的颜色和线型的设定总结：
?之后的‘ok’表示的就是黑色的圈。xlabel,ylabel表示x,y轴。
最后画出来的图是这样：
?图像呈现指数关系，令z=lny,zi=lnyi;
clc
clear
x=1:10;
y=[2650,1942,1493,1086,766,539,485,291,224,202];
z=zeros(size(y));
N=length(y);
hold on;
for i=1:N
z(i)=log(y(i));
plot(x(i),z(i),'ok');
end
xlabel('x');
ylabel('y');这一段代码将Y轴的数据取对数，我的理解是取对数之后的数据更接近直线，画出来的图象是：
?得到这一步之后求解参数具体值
clc
clear
x=1:10;
y=[2650,1942,1493,1086,766,539,485,291,224,202];
z=zeros(size(y));
N=length(y);
hold on;
for i=1:N
z(i)=log(y(i));
end
[p,s]=polyfit(x,z,1)
使用polyfit求解参数值
?得到的函数就是y=8.1671-0.2984x;
二、多元线性回归的案例分析。
当有两个或两个以上自变量即为多元线性回归，用到的函数是regress函数，调用格式为:
[b,bint,r,rint,stats]=regress(y,x，alpha)，alpha为显著性水平，缺省特性为0.05，b表示输出量，bint为回归系数估计值和他们的置信区间，r为残差，rint为置信区间，stats适用于检验回归模型的统计量。（其实这些表示啥都不懂：），只知道b是输出量）。
用到的案例：
?代码如下
%开始多元回归
clear all
clc
x1=[1.376,1.375,1.387,1.401,1.412,1.428,1.445,1.477];
x2=[0.450,0.475,0.485,0.5,0.535,0.545,0.55,0.575];
x3=[2.170,2.554,2.676,2.713,2.823,3.088,3.122,3.262];
x4=[5.19,1.161,0.5346,0.9589,2.0239,1.0499,1.1065,1.1387];
y=[5.19,5.3,5.6,5.82,6,6.06,6.45,6.95]; %将自变量的值写进矩阵
save data x1 x2 x3 x4 y %保存矩阵
load data %读取矩阵
y=[y'];
x=[ones(size(x1')),x1',x2',x3',x4'];
[b,bint,r,rint,stats]=regress(y,x)
结果如下：
?
?根据b的返回值，分析得出的模型为：y=-20.5297+19.1269x1+8.0045x2-1.5867x3-0.1465x4