如何在MATLAB中使用自定义或给定协方差矩阵估计回归系数

你需要的功能有多个成熟实现路径，按需选择即可： #

1. 统计和机器学习工具箱内置方案（推荐） #

用fitlm/fitglm函数即可直接支持指定自定义协方差估计逻辑，输出所有你需要的回归参数：

• 支持直接调用内置的异方差稳健协方差、自相关稳健协方差，也支持传入自定义协方差计算函数
• 示例代码：

% 调用内置HC3异方差稳健协方差进行回归
mdl = fitlm(X, y, 'CovarianceType', 'HC3');

% 传入自定义协方差函数实现自定义估计逻辑
custom_cov_fun = @(beta, residuals, X) your_custom_cov_func(beta, residuals, X);
mdl = fitlm(X, y, 'Covariance', custom_cov_fun);

• 参数提取方法：
  • beta系数：取mdl.Coefficients.Estimate
  • R平方：取mdl.Rsquared.Ordinary（普通R方）/mdl.Rsquared.Adjusted（调整R方）
  • 其他参数：系数p值、协方差矩阵、残差、F检验结果等都可以直接从mdl对象的属性中提取

2. 无工具箱手动实现方案 #

如果没有统计和机器学习工具箱，可以基于广义最小二乘(GLS)逻辑手动实现，参考代码：

% V为你自定义的n×n维协方差矩阵
V = your_custom_cov_matrix;
beta = (X' / V * X) \ (X' / V * y); % 用左除代替inv提升数值稳定性
y_hat = X * beta;
resid = y - y_hat;
TSS = sum((y - mean(y)).^2); % 总平方和
RSS = sum(resid.^2); % 残差平方和
R2_ordinary = 1 - RSS/TSS;
R2_adjusted = 1 - (RSS/(size(X,1)-size(X,2)-1))/(TSS/(size(X,1)-1));

内容的提问来源于stack exchange，提问作者Barbab