輸入資料。x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]";X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]";迴歸分析及檢驗。[b,bint,r,rint,stats]=regress(Y,X) 執行結果解讀如下：置信區間分別為 [-33.7017,1.5612] 和[0.6047,0.834] r2=0.9282(越接近於 1，迴歸效果越顯著 )，F=180.9531， p=0.0000，由 p<0.05, 可知迴歸模型y=-16.073+0.7194x 成立。殘差分析，作殘差圖。rcoplot(r,rint) 從殘差圖可以看出，除第二個資料外 ,其餘資料的殘差離零點均較近，且殘差的置信區間均包含零點，這說明迴歸模型 y=-16.073+0.7194x 能較好的符合原始資料，而第二個資料可視為異常點。預測及作圖。z=b(1)+b(2)*x plot(x,Y,"k+",x,z,"r")
bint 表示迴歸係數的區間估計；r 表示殘差；rint 表示置信區間；stats 表示用於檢驗迴歸模型的統計量 ,有三個數值：相關係數 r 2、F 值、與 F對應的機率 p 說明： 相關係數 r 2 越接近 1，說明迴歸方程越顯著； 時拒絕 H0，F 越大， 說明迴歸方程越顯著；與 F 對應的機率 p
輸入資料。x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]";X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]";迴歸分析及檢驗。[b,bint,r,rint,stats]=regress(Y,X) 執行結果解讀如下：置信區間分別為 [-33.7017,1.5612] 和[0.6047,0.834] r2=0.9282(越接近於 1，迴歸效果越顯著 )，F=180.9531， p=0.0000，由 p<0.05, 可知迴歸模型y=-16.073+0.7194x 成立。殘差分析，作殘差圖。rcoplot(r,rint) 從殘差圖可以看出，除第二個資料外 ,其餘資料的殘差離零點均較近，且殘差的置信區間均包含零點，這說明迴歸模型 y=-16.073+0.7194x 能較好的符合原始資料，而第二個資料可視為異常點。預測及作圖。z=b(1)+b(2)*x plot(x,Y,"k+",x,z,"r")
bint 表示迴歸係數的區間估計；r 表示殘差；rint 表示置信區間；stats 表示用於檢驗迴歸模型的統計量 ,有三個數值：相關係數 r 2、F 值、與 F對應的機率 p 說明： 相關係數 r 2 越接近 1，說明迴歸方程越顯著； 時拒絕 H0，F 越大， 說明迴歸方程越顯著；與 F 對應的機率 p