regression

type Regre struct {
	Ys       numgo.Array  //因变量数列
	Xs       numgo.Matrix //自变量矩阵
	Coeff    numgo.Array  //回归系数Regression_Coefficient
	Q        float64      //Q,RSS残差平方和Residual Sum of Squares,是实测值与回归值之差的平方和, 它是由试验误差及其它因素引起的
	U        float64      //U,RegSS回归平方和Regression Sum of Squares,是回归值与均值之差的平方和, 它反映了自变量的变化所引起的因变量的波动
	TSS      float64      //Tyy总平方和 Total Sum of Squares
	Udf      int          //回归平方和自由度(自变量个数m)
	Qdf      int          //残差平方和自由度(样本个数n-m-1)
	TssDf    int          //总残差平方和自由度(n-1)
	UdUdf    float64      //回归方差,U/Udf
	QdQdf    float64      //残余方差,Q/Qdf
	R        float64      //复相关系数 Correlation Coefficient;复相关系数越接近１, 回归效果就越好, 因此它可以作为检验总的回归效果的一个指标。但应注意, R与回归方程中自变量的个数m及观测组数n有关, 当n相对于m并不很大时, 常有较大的R值, 因此实际计算中应注意n与m的适当比例, 一般认为应取n至少为m的5到10倍为宜
	Ra       float64      //复相关系数的临界值
	SD       float64      //标准偏差,等于残差平方和除以它的自由度再开平方
	F        float64      //F值
	Fa       float64      //F临界值
	Ts       numgo.Array  //各个X值的T检验值
	Ta       float64      //T临界值
	Vs       numgo.Array  //偏回归平方和.偏回归平方和Vi越大, 说明xi在回归方程中越重要, 对y的作用和影响越大, 或者说xi对回归方程的贡献越大。
	YEst     numgo.Array  //Y的估计值  Estimated Y Value
	Residual numgo.Array  //残差值  Residual=测量值－估计值
	StdRes   numgo.Array  //标准残差值  Standard Residual=残差/标准偏差
	RelDev   numgo.Array  //相对偏差=[（测定值－平均值）/平均值]×100%
	Ymax     float64      //Y和Y估计值中的最大值
	Ymin     float64      //Y和Y估计值中的最小值
	Yscatter numgo.Matrix //用于绘制Y散点图的数据,n行,2列
}