У меня есть следующие векторы:Matlab Robustfit - Коэффициенты Неопределенность Слишком Большая
x = [0.0069 0.0052 0.0034 0.0024 0.0001 -0.0013 -0.0003 ...
-0.0026 -0.0040 -0.0031 -0.0034 -0.0017 -0.0013 -0.0017 ...
-0.0010 -0.0019 -0.0015 -0.0018 -0.0031 -0.0020 -0.0008 ...
0.0007 0.0031 0.0036 0.0060]
y = [0.0069 0.0061 0.0044 0.0031 0.0012 -0.0016 -0.0027 ...
-0.0032 -0.0033 -0.0042 -0.0031 -0.0019 -0.0021 -0.0013 ...
-0.0007 -0.0021 -0.0020 -0.0011 -0.0028 -0.0033 -0.0011 ...
0.0018 0.0027 0.0038 0.0051]
И я использую надежную подгонку, чтобы получить линейную функцию y=f(x)=m*x+p
, которая наилучшим образом соответствует у против й игнорирования недопустимых:
[b,stats] = robustfit(x,y)
я склоне m = b(2) = 1.0402 +/- 0.0559
и Y-перехватывать p = b(1) = 5.1496e-06 +/- 1.6907e-04
Неопределенность - это значения, которые я получаю от stats.se
, которые, согласно руководству, являются «стандартными» ошибками оценок коэффициентов. Но, как вы видите, неопределенность в y-перехвате слишком велика, что, похоже, не имеет никакого смысла (какой смысл использовать надежную установку, если неопределенности, которые мы получаем, ненадежны?). Любая помощь по улучшению этого будет очень оценена!
спасибо, что заблаговременно!
Большое спасибо за ваш ответ, Уилл. В этом есть смысл. Фактически я пробовал как регрессию OLS, так и надежную регрессию, и результаты почти одинаковы, вероятно, из-за того, что в данных не так много выбросов. –