Matlab中fitlm与regress函数的差异及输出不同原因咨询

你提到的fitlm和regress并非功能完全一致的函数，二者输出差异主要来自以下几个核心设计区别：

1. 截距项的默认处理 #

• regress默认不自动添加截距项：如果你的predictors矩阵没有手动插入全1列，它会直接拟合无截距的线性模型；
• fitlm默认自动包含截距项：即使predictors里没有全1列，它也会自动添加该列，拟合带截距的线性模型。这是二者输出差异最常见的原因。

2. 统计量的计算逻辑 #

• 你通过regress的stats获取的$R^{2$是**未调整的$R}2$，而fitlm模型对象默认展示的是调整后的$R^2$**，二者计算公式不同：
  • 未调整$R^2 = 1 - \frac{残差平方和}{总平方和}$
  • 调整后$R^2 = 1 - \frac{残差平方和/(n-p)}{总平方和/(n-1)}$（$n$为样本量，$p$为含截距的自变量个数）
• 无截距模型下，regress的F统计量、p值与fitlm的对应统计量计算基准也不同——无截距模型的总平方和以原点为基准，有截距模型则以响应变量均值为基准。

3. 输入参数顺序差异 #

• fitlm调用顺序：fitlm(predictors, response)（先自变量矩阵，后响应变量）
• regress调用顺序：regress(response, predictors)（先响应变量，后自变量矩阵）
  如果参数顺序搞混，会直接导致错误结果，但这属于使用失误，而非函数设计差异。

4. 输出形式的区别 #

• fitlm返回LinearModel类对象，包含系数、置信区间、残差、诊断统计量、模型可视化工具等全套信息，适合深度分析模型；
• regress返回分散的数值结果（系数向量、置信区间数组、统计量数组等），更适合快速获取基础回归结果或批量计算场景。

让二者输出一致的方法 #

如果需要让两个函数得到完全相同的结果，可以做以下调整：

• 给regress的自变量矩阵手动添加全1列，调用方式改为：

  [b,bint,r,rint,stats] = regress(response, [ones(size(predictors,1),1), predictors])
  

• 或者让fitlm拟合无截距模型，调用方式改为：

  mdl = fitlm(predictors,response,'Intercept',false)
  

内容的提问来源于stack exchange，提问作者user2587726