企业官网建设流程全解析

简介：一份面向统计学、数据分析及Matlab建模初学者的多元线性回归完整实现文档。文档以研究生教材《数理统计》例4.4.1为背景，在回归方程F检验基础上，扩展了对各回归系数（x1、x2、x3）的t检验，支持用户自定义显著性水平α，提高计算精度。程序中包含数据读取、最小二乘参数估计、设计矩阵构建、F检验与t检验等关键步骤，输出结果整洁易读。使用者只需更换Excel数据文件即可应用于其他维度数据集，移植性强。资源共1个docx文件，压缩包大小50KB，文件包含程序说明、数据输入格式、完整Matlab源码及运行结果示例，适合需要对照教材理解回归显著性检验原理、并希望获得可直接运行模板的读者。目前已有246人学习下载。

1. 多元线性回归显著性检验到底查什么：先看p值还是先看模型

拿到“多元线性回归及显著性检验Matlab程序.docx”这个标题，我第一反应是：这不是一个求系数的任务，而是一个做“归因判断”的任务。多元线性回归的Matlab程序很容易写，调用一次 regress 就能拿到 b 和 stats，但标题里特意带上“显著性检验”，意味着要回答的不只是“y 和 x 是什么关系”，而是“哪些 x 真正影响 y，这种影响在统计上是否站得住脚”。在实际项目中，这个区别很现实：论文外审会问回归表和显著性标记，业务评审会问某个系数为什么是 2.3，以及它为什么能推广到新数据。

这类程序适合两类读者：一类是写课程作业、毕业论文或实证论文的人，需要把回归结果按规范格式呈现；另一类是做数据分析或算法验证的工程师，手上有一组带标签的观测数据，想快速判断特征是否有效。下面我按自己常用的做法，把模型建立、整体显著性检验、系数显著性检验、诊断和封装串成一条完整路径。你会看到同一组数据用 regress 和 fitlm 两种方式跑出来结果一致，但呈现思路不同，而显著性检验才是决定模型能否交付的关键。

2. 用Matlab跑通多元线性回归程序：regress与fitlm的数据组织和参数表

多元线性回归在 Matlab 里的入口很多，最常见的是统计工具箱里的 regress 和 fitlm。前者面向矩阵运算，输出维度直接，适合写进自动化程序；后者面向表格数据，自带回归报告，适合交互式分析和出图。在开始之前要做一件事：确认当前环境已经安装了 Statistics and Machine Learning Toolbox。无论你是刚完成 Matlab 下载，还是使用公司内网安装版本，工具箱缺失时调用 regress 会报出 Undefined function，这个问题在安装步骤里常被忽略，值得先检查。

2.1 多元回归的数据组织：设计矩阵必须有一列截距项

regress 的调用格式是[b,bint,r,rint,stats] = regress(y,X,alpha)，其中 y 是 n×1 列向量，X 是 n×(p+1) 设计矩阵。这里的“p+1”是很多新手第一个踩坑点：regress 不会自动帮你补截距列，它把 X 的第一列当作 beta0 的系数列。也就是说，如果你想拟合 y = beta0 + beta1x1 + beta2x2，X 必须是[ones(n,1), x1, x2]，而不是直接把原始变量拼在一起。

fitlm 的设计刚好相反，它默认包含截距项，从 table 类型的表格数据出发，用公式y ~ x1 + x2 + x3描述模型。因此在数据组织上，使用 fitlm 时只需要把变量放在一个 table 里，函数会自动为截距项分配一行参数。两种方式没有好坏之分，我通常的做法是：需要在循环里批量跑模型、后续还要做残差诊断时用 regress；需要快速查看模型报告、画预测图和残差图时用 fitlm。

2.1.1 为什么 regress 要求自己加常数项列

这和 regress 的底层实现有关。它直接对线性方程组 Xb = y 做最小二乘求解，X 的每一列都对应 b 的一个分量。如果你不给常数项列，求出的回归直线会被强制穿过原点，模型实际上是 y = beta1x1 + beta2*x2，截距被丢弃。这在变量中心化且理论上确实过原点的问题里没问题，但绝大多数业务数据并不满足这个前提。一个简单的检查方法是：在调用 regress 前查看size(X,2) - size(unique(X,'rows'),2)，如果设计矩阵没有全 1 列，结果会很反常。

2.1.2 一个可复现的示例数据集

为了演示，我构造一组已知真实关系的样本数据：y 与三个变量 x1、x2、x3 满足线性关系，并加入随机噪声。这样后续的显著性检验结果能和我们预设的系数对照，方便判断程序是否正确。样本量设为 30，足以支撑 3 个自变量的检验。

2.2 regress 的返回值与 stats 参数含义

regress 的五个输出参数中，b 是回归系数向量，bint 是每个系数在置信水平 1−alpha 下的置信区间，r 是残差，rint 是每个残差的置信区间，stats 是模型统计量汇总。前四个参数对后续残差图很有用，第五个参数则是显著性检验的核心数据。下面是一张参数速查表，适合放在程序注释旁边。

要注意 stats 的四个分量顺序固定：stats(1) 是确定系数 R²，stats(2) 是回归方程显著性 F 统计量，stats(3) 是 F 检验的 p 值，stats(4) 是均方误差的估计值。alpha 参数只影响 bint 和 rint 的置信水平，不会改变 b 和 stats 中的 F、p 值。所以在写程序时，把 alpha 单独定义成一个变量，方便后续换成 0.01 或 0.1 观察显著性变化。

2.3 最小可运行程序示例

% 多元线性回归及显著性检验最小程序 clear; clc; rng(0); % 固定随机种子，保证可复现 % 生成 30 个样本，3 个自变量 x1 = rand(30,1) * 10; x2 = rand(30,1) * 5; x3 = rand(30,1) * 2; % 构造设计矩阵：第一列为常数项 X = [ones(30,1), x1, x2, x3]; % 真实关系为 y = 3 + 2*x1 + 1.5*x2 - 1.2*x3 y = 3 + 2*x1 + 1.5*x2 - 1.2*x3 + randn(30,1) * 0.8; alpha = 0.05; [b, bint, r, rint, stats] = regress(y, X, alpha); disp('回归系数 b：'); disp(b); disp('每个系数的 95% 置信区间 bint：'); disp(bint); disp('模型统计量 [R^2, F, p, 误差方差估计]：'); disp(stats);

这段代码先用固定随机种子生成数据，再调用 regress。核心是X = [ones(30,1), x1, x2, x3]，它把截距项作为第 1 列。运行后可以看到 b 大约在 3、2、1.5、-1.2 附近，bint 包围真实值，stats 第二个数是很大的 F 值，第三个数很小，说明整体回归显著。这里每个变量的系数都以真实值为中心，是因为样本噪声不大，且样本量足够覆盖 3 个自由度。

2.4 用 fitlm 输出回归表，和 regress 相互验证

如果觉得 regress 的结果不够直观，可以用 fitlm 生成带文字描述的回归表。先把变量放入 table，再指定公式。fitlm 会输出每个系数的估计值、标准误、t 统计量和 p 值，底部还会给出 F 检验结果，和 regress 的 stats 对应。

% 用 fitlm 生成结构化回归报告 tbl = table(x1, x2, x3, y, 'VariableNames', {'x1', 'x2', 'x3', 'y'}); mdl = fitlm(tbl, 'y ~ x1 + x2 + x3'); disp(mdl);

从 fitlm 输出中可以同时看到回归系数和显著性标记。rows 对应 Intercept、x1、x2、x3，Columns 包含 Estimate、SE、tStat、pValue。这个输出适合直接截图放进报告，而 regress 的输出更适合后续程序化处理。两种方式用同一份数据时结果一致，这可以作为一个验证手段：先用 regress 计算，再用 fitlm 复现，如果系数差异超过浮点精度范围，说明设计矩阵或数据组织存在问题。

3. 回归方程显著性检验：F统计量、决定系数R²和程序判定

模型有没有解释力，不是看 b 是否为 0，而是看所有自变量的联合解释力是否显著。这一步对应的是回归方程显著性检验，也就是通常说的 F 检验。它的作用域是“整个方程”，而不是某一个具体变量。很多初学者把注意力放在 R² 上，觉得 R² 达到 0.9 就把结果报上去，这是不够的。R² 描述的是拟合优度，F 检验描述的是统计显著性，二者一个看数据解释比例，一个看抽样波动下的置信度，必须同时出现在程序输出里。

3.1 F检验的原理：从方差分解到统计量计算

多元线性回归的 F 检验把总离差平方和 SST 分解成回归平方和 SSR 和残差平方和 SSE。原假设 H0 是所有自变量系数同时为 0，备择假设是至少有一个系数不为 0。F 统计量定义为 SSR 除以回归自由度 p，再除以 SSE 除以残差自由度 n−p−1。当 F 值较大，超过 F 分布临界值时，拒绝原假设，认为回归方程整体显著。

regress 已经把这个过程封装进 stats，第二个元素就是 F 值，第三个元素是对应的 p 值。用代码表示，F 值也可以从基础量计算出来，这样能加深理解。给定回归结果后，n = length(y)，p = size(X,2) - 1，残差平方和由SSE = sum(r.^2)得到，那么：

% 从 regress 的结果中手动计算 F 统计量 n = length(y); p = size(X, 2) - 1; ybar = mean(y); SST = sum((y - ybar).^2); SSE = sum(r.^2); SSR = SST - SSE; F = (SSR / p) / (SSE / (n - p - 1)); pF = 1 - fcdf(F, p, n - p - 1);

把这段结果和 stats(2)、stats(3) 对比，会发现两者完全一致。fcdf 是 F 分布的累积分布函数，1 - fcdf(F, p, n-p-1)得到右侧尾部概率，也就是 p 值。F 值越大，p 值越小，这解释了为什么很多回归报告里只看 p 值就能判断整体显著性。注意自由度 n−p−1 是残差自由度，p 是自变量个数，不含截距项。

3.2 R²与调整R²在显著性判断中的角色

R² 等于 1 减去 SSE 除以 SST，表示自变量解释了 y 中变异的比例。但它有一个固有缺陷：只要增加自变量，R² 就会上升，哪怕新变量和 y 毫无关系。调整 R² 把自由度惩罚引入公式，在 p 增大时抵消一部分 R² 的虚增。因此，在做显著性检验时，我通常同时输出 R² 和调整 R²，并观察二者差距是否过大。如果差距明显，说明模型里很可能混入了不显著的解释变量。

调整 R² 的计算在 Matlab 里一行就能完成：adjR2 = 1 - (1-stats(1)) * (n-1) / (n-p-1)。把它放在报告输出中，优先级高于单纯的 R²。当 R² 为 0.95、调整 R² 只有 0.60 时，说明模型塞进了太多低解释力变量，此时再看 F 检验和单个系数的 t 检验，往往会发现大量不显著项。

3.3 用程序判定整体显著性并输出结论

实际使用中，我习惯在回归程序后加一段自动判定代码，把 stats 的三个关键量格式化输出。比如设置 alpha = 0.05，当stats(3) < alpha时，可以判断模型整体显著；否则需要检查数据是否存在严重共线性、变量个数是否过多，或者原始变量是否需要变换。下面这段代码可以直接嵌在上一章的程序后：

% 整体显著性判定 if stats(3) < alpha fprintf('模型整体显著：F=%.3f，p=%.4g\n', stats(2), stats(3)); else fprintf('模型整体不显著：F=%.3f，p=%.4g\n', stats(2), stats(3)); end fprintf('R^2=%.4f，调整R^2=%.4f\n', stats(1), 1-(1-stats(1))*(n-1)/(n-p-1));

这里有个细节：p 值在极小的时候，disp会显示成 1.2345e-12，用%.4g格式化后更友好。整体显著不等于每个自变量都显著，这一结论直接引出下一章的单变量显著性检验。如果整体不显著，后面的 t 检验单独看意义也不大，应当先回到变量选择和数据质量问题上。因此程序里要把整体检验放在变量筛选之前。

4. 回归系数显著性检验：t检验、置信区间和变量筛选

F 检验回答的是“模型整体有没有用”，t 检验回答的是“每个变量是不是真的有用”。二者互补，但不互相替代。一个典型的误读场景是：F 检验显著，业务方就认为所有自变量都该留下，结果发现 x3 的 p 值是 0.35，根本没有通过显著性检验。反过来也可能出现整体不显著但某个变量单独显著的情况，这通常由多重共线性或样本量不足造成。多元线性回归的显著性检验，最终要落在每个解释变量头上。

4.1 为什么必须对每个回归系数做 t 检验

t 检验的原假设是 H0: beta_j = 0，备择假设是 beta_j 不等于 0。检验统计量是参数估计值除以它的标准误：t = b_j / se(b_j)，其中 se(b_j) 是 b_j 的抽样标准差，由噪声方差和设计矩阵共同决定。回归方程里有 p 个自变量，就有 p 个这样的 t 检验。regress 返回的 bint 就是基于 t 分布构造的置信区间，如果区间跨过 0，说明在给定置信水平下，无法排除该系数为 0 的可能。

这一环节必须结合自由度来解释。残差自由度是 n−p−1，t 统计量服从自由度 n−p−1 的 t 分布。样本量越小，临界值越大，相同 t 值下显著性越难显现。比如 n=10、p=3 时，自由度只有 6，95% 置信水平下的临界 t 值超过 2.4；而 n=100 时临界值接近 1.98。所以在写程序时，不要用固定的 1.96 作为 t 临界值，应当用 tinv 或 tcdf 按实际自由度计算。

4.2 从 regress 结果手动计算 t 统计量和 p 值

regress 没有直接返回 t 统计量，但 stats(4) 给出了误差方差估计值 MSE。系数协方差矩阵的估计是 MSE 乘以 X'X 的逆矩阵，对角线开方就是每个系数对应的标准误。拿到标准误后，t 统计量和 p 值可以用以下代码得到：

% 手算 t 统计量与 p 值，和 bint 互相验证 [b, bint, ~, ~, stats] = regress(y, X, alpha); n = size(X, 1); k = size(X, 2) - 1; df = n - k - 1; MSE = stats(4); C = inv(X' * X); se = sqrt(diag(MSE * C)); % 每个系数的标准误 tstat = b ./ se; pval = 2 * (1 - tcdf(abs(tstat), df)); fprintf('变量\t系数\t标准误\tt值\tp值\n'); for j = 1:length(b) fprintf('x%d\t%.4f\t%.4f\t%.4f\t%.4g\n', j-1, b(j), se(j), tstat(j), pval(j)); end

代码中用tcdf计算 t 分布累积概率，双尾 p 值乘 2。注意这里 b(1) 对应截距项，它的 p 值一般不作为变量筛选依据，只有业务上关心截距是否为 0 时才需要解读。严格来说，inv(X'*X)在 X 存在严重复共线性时不稳定，更稳的写法是使用pinv(X'*X)或直接调用regress内部的结果；对于常规数据，这个公式便于理解。

4.3 用置信区间和 t 检验结果快速筛选变量

除了看 p 值，bint 是一个更直观的判定工具。某个系数的 bint 区间如果落在 0 的同侧，说明下限和上限同号，此时区间不含 0，可以拒绝原假设。如果下限为负、上限为正，则意味着系数在正负之间波动，不能确认它对 y 有真实作用。可以用符号判断写一段筛选代码：

% 用 bint 识别不显著的回归系数 coef_sign = sign(bint(:, 1)) .* sign(bint(:, 2)); insig_idx = find(coef_sign <= 0); % 区间包含 0，不显著 if ~isempty(insig_idx) fprintf('以下系数未通过显著性检验：'); fprintf('%d ', insig_idx - 1); fprintf('\n'); else fprintf('所有系数均通过显著性检验\n'); end

对于上述模拟数据，x1、x2、x3 通常都会通过检验。为了让筛选逻辑更通用，下面用一张示意表说明不同情况下的判定结果。实际项目里，x1 的系数可能是显著的，x2 处于临界，x3 不显著，这时应该把 x3 从模型中去掉并重新拟合。

需要特别提醒的是，一次检验不显著不代表变量本身和 y 无关，也可能是样本量不够，或者该变量与其他变量高度相关。在删除变量之前，先回到数据相关性矩阵和 VIF 检查，这一步可以避免误删有效特征。如果只是做预测，保留不显著变量虽然会增加参数复杂度，但不一定降低预测精度；只有要解释变量作用时，才必须严格执行剔除规则。

5. 显著性检验后的诊断：残差图、多重共线性与stepwisefit

显著性检验做完并不代表模型可以交付。回归模型的可靠性建立在几个假设上：残差独立、方差齐性、残差近似正态，以及自变量之间不存在严重多重共线性。如果这些假设被踩破，刚才的 F 和 t 检验都会失真。最常见的例子是：两个自变量相关系数达到 0.95，模型整体 F 值很大，但每个系数的 t 检验都不显著，原因是系数估计的标准误被共线性放大。此时如果直接看 p 值删除变量，会得出完全错误的结论。

5.1 残差与异常点：rcoplot和normplot怎么看

regress 的 r 和 rint 是专门喂给残差图的。rcoplot(r, rint) 会画出每个样本的残差竖线和置信区间，如果某条残差置信区间不跨过 0，说明该样本对拟合结果影响较大，可以视为异常点。normplot(r) 用于检查残差是否服从正态分布，如果散点大致落在一条直线上，说明正态假设合理；如果两端发散严重，后续 p 值的可信度就要打折。

% 显著性检验后的残差诊断 figure; rcoplot(r, rint); % 残差及置信区间图 title('残差置信区间诊断'); figure; normplot(r); % 正态概率图 title('残差正态性检验');

在 rcoplot 中看到个别样本的区间明显偏离其他样本时，不要急着删除。先检查该样本的原始数据是否存在录入错误，再考虑是否属于业务上的特殊情况。一段稳健的做法是：删除异常点后重新跑回归，对比前后系数和显著性是否发生剧烈变化。如果变化不大，说明模型稳定；如果显著性结论反转，说明原结果本身脆弱，需要在报告里如实说明。

5.2 多重共线性检验：计算VIF替代直接删变量

多重共线性的常用指标是方差膨胀因子 VIF。对第 j 个变量，先把其他自变量作为输入，对这种变量做回归，得到决定系数 R_j²，然后 VIF_j = 1 / (1 − R_j²)。VIF 大于 10 通常被认为存在严重共线性，5 到 10 之间需要警惕。计算 VIF 的代码可以这样写：

% 计算各自变量的 VIF Xall = [x1, x2, x3]; [nobs, px] = size(Xall); VIF = zeros(1, px); for j = 1:px Xm = Xall; Xm(:, j) = []; % 去掉当前变量 Xm = [ones(nobs, 1), Xm]; % 补截距列 [~, ~, ~, ~, stat_j] = regress(Xall(:, j), Xm); Rj2 = stat_j(1); VIF(j) = 1 / (1 - Rj2); end disp('各变量 VIF：'); disp(VIF);

Xm 不需要截距之外的额外处理，关键是用 regress 对当前变量做回归时，它的设计矩阵要包含全 1 列。若某个变量的 VIF 超过 10，我通常先在相关矩阵里找到与之相关系数最高的变量，然后根据业务含义决定剔除哪一个。也可以保留该变量但改用岭回归，不过岭回归的系数不再是无偏估计，显著性检验的解释会变复杂。

5.3 用stepwisefit自动筛选显著变量

如果自变量数量较多，手动检验每个 t 值很繁琐。Matlab 的 stepwisefit 可以基于显著性检验自动选择变量，参数 penter 控制变量进入模型的 p 值阈值，premove 控制变量被剔除的阈值。一般 penter 设 0.05，premove 设 0.10，使变量一旦进入就不要因为轻微波动立刻离开。

% 逐步回归：基于显著性检验自动筛变量 [inmodel, ~, ~] = stepwisefit(Xall, y, 'penter', 0.05, 'premove', 0.10); disp('保留的变量索引：'); disp(find(inmodel));

inmodel 是逻辑向量，1 表示该变量保留在模型中。stepwisefit 返回的模型用全部样本重新估计，得到的系数和 p 值可以直接作为最终报告。需要注意的是，逐步回归的自动搜索会放大偶然显著性，尤其在变量多、样本少的情况下，最终入选的变量可能在一组新样本中不再显著。因此它只能作为变量初筛工具，最终模型还是要回到业务判断和残差诊断上。

6. 把多元回归程序封装成函数：显著性标记与结果导出

回顾前面的步骤，从 regress 到显著性判断，再到诊断，零散的脚本在多个项目里复用时会很别扭。常见做法是封装一个函数，输入 y、X 和显著性水平，输出结构化的回归结果表，把 t 值、p 值、置信区间和显著性标记一次性算好。这样无论是课程报告还是业务分析，一个命令就能生成结论。

function tbl = mlr_report(y, X, alpha) % 多元线性回归及显著性检验结果表 if nargin < 3 alpha = 0.05; end [b, bint, ~, ~, stats] = regress(y, X, alpha); n = size(X, 1); k = size(X, 2) - 1; df = n - k - 1; MSE = stats(4); se = sqrt(diag(MSE * inv(X' * X))); tval = b ./ se; pval = 2 * (1 - tcdf(abs(tval), df)); % 显著性星号标记 sig = cell(size(b)); for j = 1:numel(b) if pval(j) < 0.01 sig{j} = '**'; elseif pval(j) < 0.05 sig{j} = '*'; elseif pval(j) < 0.1 sig{j} = '.'; else sig{j} = ''; end end % 构造变量名 if all(X(:, 1) == 1) varnames = {'Intercept'}; start = 2; else varnames = {}; start = 1; end for j = start:size(X, 2) varnames{end + 1} = sprintf('x%d', j - start + 1); end tbl = table(b, bint(:, 1), bint(:, 2), se, tval, pval, sig, ... 'VariableNames', {'beta', 'CI_low', 'CI_up', 'SE', 't', 'p', 'sig'}, ... 'RowNames', varnames); end

调用时直接传入数据和设计矩阵即可：tbl = mlr_report(y, [ones(30,1), x1, x2, x3], 0.05); disp(tbl);。输出表里每一行是一个回归系数，p 值小于 0.01 显示双星，小于 0.05 显示单星，小于 0.1 显示点，没有星号说明不显著。接下来可以把这张表用 writetable 导出到 Excel 或 CSV，方便写论文或做汇报：writetable(tbl, 'regression_result.xlsx', 'WriteRowNames', true)。需要注意，X'*X在变量量纲差距极大时可能产生较大数值误差，如果发现标准误异常，可以把 inv 换成 pinv 并观察结果是否稳定。对于样本量小于 30 的小样本数据，建议把 alpha 提高到 0.1，或者用 fitlm 里的robust选项配合稳健标准误重复一遍；如果两种方法给出的显著性标记一致，这个模型才值得写进结论里。

本文还有配套的精品资源，点击获取