做数据回归预测的朋友，应该都被“正数右偏”这类响应变量折磨过：保险赔付金额、医疗费用、设备维修工时、订单缺货天数，全都严格大于零，分布明显右偏，而且均值越大波动越大。拿普通线性回归硬套，预测值动不动就是负数，残差图更是呈喇叭口状；有人转手取个对数再回归，换回原始尺度时又发现预测均值系统性偏低。这种两难的场景，我这些年做过不少项目，最终最常用也最愿意推荐给同事的，就是Gamma分布回归模型——没错，就是那个基于广义线性模型GLM框架、假设响应变量服从Gamma分布、通过log或inverse链接函数建模的经典回归方法。
这篇文章我打算完整讲一遍如何在MATLAB里实现Gamma数据回归预测：从概率模型原理，到数据预处理，再到fitglm的核心代码、预测区间、残差诊断，最后是我的踩坑记录。不管你在保险精算、可靠性工程、气象水文还是生物统计方向，只要遇到“正值+右偏+异方差”的回归问题，这套流程直接抄作业就行。
1. 这东西解决什么问题：Gamma回归的适用边界
1.1 为什么普通线性回归搞不定右偏正数数据
普通线性回归的核心假设就三条：响应变量y与预测变量X的线性组合之间是加性关系、误差ε服从正态分布、方差恒定。这三条在“正数右偏”数据面前几乎全部失效。
第一条失效的是预测值约束。线性预测子Xβ可以是任意实数，但赔付金额、工时这类变量有天然的物理下界——零。当自变量组合偏小时，线性回归完全有可能输出负的预测值，这在业务上根本没法交代。你总不能跟保险公司说我这模型预测某笔保单赔付-300块。
第二条失效的是方差恒定假设。正数右偏数据几乎无一例外呈现“均值越大，方差越大”的规律。比如低风险车险客户的赔付波动很小，高端车型的赔付金额方差能高出两个数量级。普通回归强行拟合，残差图就会出现喇叭口，越往右散得越开，这叫异方差。异方差会导致系数估计虽然无偏，但标准误错了，p值也就不靠谱。
第三条是预测区间失真。基于正态误差假设计算的置信区间上下对称，但对右偏数据，真实的分布是左侧紧贴零、右侧拖着长尾，对称区间会把高风险那一侧的尾部风险严重低估。做风险预测的朋友应该都懂，低估右侧尾部等于漏报风险。
那有朋友会说，取对数转换成近似正态不就行了？log-normal确实是备选方案，但它有两个绕不开的问题：一是对数域的预测均值换回原尺度时存在系统性偏差，需要做Smearing校正或者用Duan提出的变换方法，多一道工序就多一个出错点；二是它把均值估计和方差估计拆成了两件事，没有把“均值-方差关系”放进同一个模型里表达。而Gamma GLM直接把这个关系内建了：方差与均值平方成正比，所有参数由最大似然估计一次性算完。
1.2 Gamma分布的数学定位：均值、方差与形状参数
Gamma分布记作y ~ Gamma(a, b)，其中a是形状参数，b是尺度参数，密度函数为：
f(y) = y^(a-1) * exp(-y/b) / (b^a * Γ(a))
只看公式容易晕，你可以只记住它三个特征。第一，支持域是(0, +∞)，y只能取正数，与赔付金额、工时的物理约束天然一致。第二，均值μ = ab，方差σ² = ab²，因此方差与均值平方是正比关系，这就是“相对波动恒定”的统计表达。第三，当形状参数a很大时Gamma分布逼近正态分布，当a=1时退化为指数分布，所以它横跨“强右偏”到“近似对称”的一整类形状，右侧尾巴比正态厚但比log-normal薄。
在GLM框架下我们不直接估a和b，而是重参数化：设均值μ = ab，离散参数φ = 1/a，那么方差就是φμ²。这个φ可以理解成“变异系数的平方”——标准差除以均值的平方，它刻画了数据的散度水平。φ越小数据越齐整，越大说明数据越散，尾部越厚。
拟合Gamma GLM时模型要估两类东西：线性系数β决定均值如何随自变量变化，离散参数φ决定方差整体水平。β由迭代加权最小二乘求解，φ由最大似然或矩估计得到。这一点很多刚接触GLM的同学容易忽略——GLM不是只算个平均值，它同时估计了均值和方差结构，预测时如果只报告均值不说明不确定性，相当于丢掉了一半信息。
注意：Gamma回归的离散参数φ不等于残差方差，而是代表“方差与均值平方的比例”。你拿普通回归的R²思维去理解它，会觉得数值奇怪，这是正常现象。
1.3 连接函数选log还是inverse
MATLAB里fitglm对Gamma分布支持三个链接函数：log、inverse、identity。实际项目中我99%的场景都用log链接，理由如下。
log链接的均值是μ = exp(Xβ)，最明显的优点是均值恒大于0，不需要任何额外约束。其次是可解释性，系数β_j可以直接解读为“x_j每变化一个单位，均值变化exp(β_j)倍”。保险公司做费率表，业务同事开口就问“年龄大一岁保费涨多少”，你直接报一个倍数，两边都清爽。
inverse链接的均值是μ = 1 / (Xβ)，这在统计学上是Gamma分布的自然连接函数，数学推导更整洁，IRLS的收敛性在某些场景下也更好。但它的致命弱点是当Xβ接近0时均值会爆炸，数据稍微有点极端值，预测结果就飘到不可思议。我早期试过inverse链接配合含极端值的车险数据，预测出单笔赔付上亿元，当场被业务同事质疑。
identity链接即μ = Xβ，理论上可以指定，但无法保证均值非负，一般不推荐。如果你的数据均值比较大而且范围很窄，identity还能凑合用，但你既然都选Gamma了，说明数据右偏和异方差是存在的，别给自己找麻烦。
2. 建模前数据准备：这一步决定模型成败
2.1 响应变量的三项硬性检查
在敲任何代码之前，先对响应变量y做三件事，缺一不可。
第一项检查是看y里有没有非正值。Gamma分布定义域不包括0和负数，有等于0的样本直接放进fitglm会在IRLS迭代中算出非法值，要么报错，要么结果没意义。但0到底是什么含义必须搞清楚：如果0是真实测量结果，比如“某时段降雨量0毫米”，市场上有一种做法是y+0.1这样的偏移量，我建议用更小且业务上可解释的常数，比如最大值的万分之一，同时做敏感性分析；如果0代表“未发生”，比如没出险所以赔付为0，那么正确路径是建两阶段模型——先用logistic回归预测“出险概率”，再对出险样本做Gamma回归预测“出险后的赔付金额”，两个预测相乘才是业务上需要的期望赔付。
第二项检查是画分布图确认右偏程度。用histogram(y, 'Normalization', 'pdf')看一眼，如果直方图是左侧截断、右侧长尾，Gamma假设基本成立。如果尾部特别重，甚至出现好几个离群大值，Gamma的方差结构可能撑不住，这时候后面要重点考察φ估计值和Deviance残差。
第三项检查是验证均值-方差关系。把数据按预测变量的分位数分成五箱左右，每箱分别算均值和方差，画log-log图。如果散点的斜率接近2，说明方差与均值平方成正比，Gamma回归是对的；如果斜率接近1，数据更接近Tweedie或泊松型；接近0则说明普通线性回归就够了。这一步看似繁琐，却是最体现建模功力的动作，数据量够大时强烈建议做。
2.2 特征变量预处理
预测变量这边有几个细节值得说。
数值变量要不要标准化？如果样本量不大且变量量纲差异悬殊，比如一个变量在千级、另一个在0.001级，标准化很有必要。原因在于IRLS求解时要对信息矩阵求逆，尺度悬殊会让数值似然面变得狭长，迭代收敛变慢，甚至出现“单个系数不显著但联合显著”的假象。标准化后系数解释变成“自变量变化一个标准差对均值的影响”，也更方便比较变量重要性。
分类变量怎么办？fitglm能够自动处理，但前提是你得用'CategoricalVars'参数告诉它哪些是分类变量。我踩过最典型的坑就是把“教育等级1、2、3”当成连续变量送进模型，结果模型估出一个看似线性实则没有业务意义的系数。分类变量即使编码成0和1，也建议显式声明，避免后续代码被别人看的时候产生歧义。
缺失值怎么处理？fitglm默认会删除任何含缺失值的行，这在小样本场景下特别浪费信息。如果某列缺失率超过10%，建议先做填充（中位数填充比较稳健）或者加一列缺失指示变量，把“是否缺失”也当特征一起建模。
2.3 训练集测试集划分的讲究
小样本场景下我不建议用默认的随机分割成70/30。Gamma回归需要足够数据稳定估计离散参数φ，而随机分割后的验证集可能恰好没有极端值，模型表现虚高，换一个随机种子又暴跌，整个评估过程方差极大。
我的实操建议按样本量分层处理。n小于100时，用留一交叉验证，或者干脆全部数据拟合，把它当作描述性分析，预测能力用AIC/BIC横向对比不同模型。n在100到1000之间，用5折交叉验证，固定随机种子保证可复现，并且按y的分位数做分层抽样，让每一折的y分布接近。n超过1000，可以随机分割，但训练集至少占80%，并且检查训练和测试两边的y分布直方图不能差太多。
划分完之后还有一个容易被忽略的动作：把分类变量在各折中的水平分布也检查一遍。万一某个分类水平只在训练集出现，测试集一进来模型就只能拿着前一步的估计瞎猜。
3. MATLAB代码一步步实现Gamma回归
3.1 完整代码框架：从模拟数据到模型输出
我直接给你一份能跑通的完整代码，然后把每个环节拆开讲。这段代码用的思路是：先生成一组已知真实模型的数据，再用fitglm拟合，最后看它能不能把真实系数估回来。
% ===== 基于Gamma分布的数据回归预测完整流程 ===== clear; clc; close all; rng(2024); % 固定随机种子，保证可复现 % ----- 1. 生成模拟数据，均值与自变量呈对数线性关系 ----- n = 400; X1 = randn(n, 1); % 连续变量 X2 = rand(n, 1) * 2 - 1; % 连续变量 X3 = randsample([0 1], n, true); % 二分类变量 eta = 1.2 + 0.85*X1 - 0.6*X2 + 0.4*X3; mu = exp(eta); % log链接下的均值 shape = 3; % Gamma形状参数 a scale = mu / shape; % 令 E(y) = shape * scale = mu y = gamrnd(shape, scale, n, 1); % ----- 2. 组织为table并拟合Gamma回归 ----- tbl = table(X1, X2, X3, y, 'VariableNames', {'x1', 'x2', 'x3', 'y'}); mdl = fitglm(tbl, 'y ~ x1 + x2 + x3', ... 'Distribution', 'gamma', ... % 核心：指定Gamma分布 'Link', 'log'); % 推荐log链接 disp(mdl); % ----- 3. 查看离散参数和系数 ----- fprintf('离散参数 phi = %.4f\n', mdl.Dispersion); disp(mdl.Coefficients); % ----- 4. 样本内预测与指标计算 ----- y_fit = predict(mdl, tbl); SSE = sum((y - y_fit).^2); SST = sum((y - mean(y)).^2); R2 = 1 - SSE / SST; RMSE = sqrt(mean((y - y_fit).^2)); MAE = mean(abs(y - y_fit)); WMAPE = sum(abs(y - y_fit)) / sum(y) * 100; fprintf('\n===== 模型评估 =====\n'); fprintf('R^2 = %.4f\n', R2); fprintf('RMSE = %.4f\n', RMSE); fprintf('MAE = %.4f\n', MAE); fprintf('WMAPE = %.2f%%\n', WMAPE); % ----- 5. 可视化诊断 ----- figure; subplot(2, 2, 1); plot(y, y_fit, '.'); hold on; lims = [min([y; y_fit]), max([y; y_fit])]; plot(lims, lims, 'r--', 'LineWidth', 1.2); xlabel('实际值 y'); ylabel('预测值 \mu'); title('实际值 vs 预测值'); subplot(2, 2, 2); r_pearson = mdl.Residuals.Pearson; plot(y_fit, r_pearson, '.'); yline(0, 'r--', 'LineWidth', 1); xlabel('预测值 \mu'); ylabel('Pearson残差'); title('残差诊断'); subplot(2, 2, 3); histogram(r_pearson, 20); xlabel('Pearson残差'); ylabel('频数'); title('残差分布'); subplot(2, 2, 4); qqplot(r_pearson); title('Pearson残差Q-Q图');运行这段代码，你会看到系数估计非常接近真实值[1.2, 0.85, -0.6, 0.4]，离散参数φ在0.33附近。因为模拟数据就是从Gamma分布生成的，模型把它还原出来，说明估计流程没有问题。换成你自己的实际数据时，把生成模拟数据那段替换成读取真实数据的load或readtable即可。
3.2 fitglm关键参数逐个说
fitglm是MATLAB统计工具箱里的GLM通用函数，参数不少，我只讲Gamma回归最常用的六个。
'Distribution', 'gamma'是核心，指明响应分布为Gamma，内部会自动用IRLS求解。'Link', 'log'我们前面讲过了。'CategoricalVars'用来声明分类变量，比如有性别和区域两个分类变量，可以写成'CategoricalVars', {'gender', 'region'}。'Weights'用来传样本权重，保险精算的暴露数和抽样权重都会用到，忘记传会得到错误的标准误。'Offset'用于把已知偏移量写进线性预测子，比如对数暴露值，相当于那个变量系数强制等于1。'B0'是初始系数向量，当默认迭代遇到收敛问题时可以从普通最小二乘的系数出发，把估计值传进去。
这里我特别想强调'Weights'的用法。很多人觉得Gamma回归里y已经包含了次数信息，就不需要权重了。但如果你面对的是汇兑数据，比如每个客户有几年的风险暴露期，那么名义上y是单期赔付、实际上不同样本的暴露量差异巨大，必须用暴露数做权重，否则模型的离散参数φ和置信区间都会跑偏。
3.3 新数据预测与置信区间
预测新数据很简单，但很多人不知道predict还带第二个输出：
% 构造新数据，列名必须与训练时一致 new_data = table([0.3; -0.7; 1.2], [0.4; 0.1; -0.5], [1; 0; 1], ... 'VariableNames', {'x1', 'x2', 'x3'}); [y_pred, y_ci] = predict(mdl, new_data); % y_pred: 均值响应 % y_ci : 均值响应的95%置信区间（两列：下界、上界）注意这个置信区间是均值μ的不确定性区间，不是单个新样本的预测区间。实际业务中我们更常需要预测区间，因为要覆盖个体的波动范围。对Gamma GLM，给定预测均值μ_hat和离散参数φ，形状参数a = 1/φ，尺度参数b = μ_hat*φ，预测区间的分位数可以用gaminv直接算：
phi = mdl.Dispersion; shape_p = 1 / phi; scale_p = y_pred * phi; lower = gaminv(0.025, shape_p, scale_p); upper = gaminv(0.975, shape_p, scale_p);这个区间天然是非对称的，右侧尾巴比左侧长。这正是右偏数据的真实特征，也是Gamma回归相比普通线性回归的一个巨大优势——普通回归的对称预测区间对右偏数据来说几乎总是低估顶侧风险。如果你的φ很小，比如小于0.1，也可以用近似区间μ_hat ± 1.96·μ_hat·sqrt(φ)，误差可以接受；φ大了之后建议还是老老实实用gaminv。
3.4 小样本拟合的特殊处理
当样本量只有五六十甚至更少时，直接调用fitglm虽然能跑通，有几点必须额外注意。
第一，离散参数φ的估计很不稳定。它的方差大约正比于1/(n-p)，样本小意味着置信区间宽得吓人。这种情况下建议用Bootstrap重采样来评估参数稳定性：对原始数据重抽样200次，每次重新拟合，看系数分布的分散程度。
B = 200; boot_est = zeros(B, height(mdl.Coefficients)); n = height(tbl); for b = 1:B idx = randsample(n, n, true); try mdl_boot = fitglm(tbl(idx, :), 'y ~ x1 + x2 + x3', ... 'Distribution', 'gamma', 'Link', 'log'); boot_est(b, :) = mdl_boot.Coefficients.Estimate'; catch boot_est(b, :) = nan(1, height(mdl.Coefficients)); end end prctile(boot_est, [2.5 97.5], 1);如果某个系数在Bootstrap分位数跨越了0，说明它的方向性都存疑，换个样本就可能变号。这种情况下我通常会把该变量踢掉，或者改用贝叶斯心态的惩罚拟合。
第二，小样本下不要过度使用交叉验证做变量选择。K折交叉验证里面的λ选择本身方差就很大，容易选中错误的变量组合。我的经验是：样本小于100时，直接按业务经验把最关键的三五个变量放进去，不再折腾复杂搜索，一来避免过拟合，二来模型解释性也更好。
4. 评估指标、残差诊断与结果解读
4.1 用哪几个指标评判Gamma回归
回归预测的通用指标R²、RMSE、MAE、MAPE我每回都会输出，但它们的脾气你得摸清楚。
R²在右偏数据上非常“偏心”。SST主要由少数极端大值贡献，R²容易被几个大值抬高，看着0.8很漂亮，实际中等数值部分的预测可能乱成一锅粥。RMSE对极端值同样敏感，如果你关心的是“典型样本的误差水平”，RMSE会误导你。MAE比较稳健，反映了典型的绝对误差幅度。MAPE对y接近0的样本极其敏感，分母一小，误差百分比直接飙到几千，所以我更常用加权MAPE——sum(|y-y_hat|)/sum(y)*100%，既保留了百分比的可解释性，又不会被小分母绑架。
模型层面也不要忘了AIC和BIC。AIC适合比较复杂度不同的候选模型，BIC惩罚更重，在样本量较大时用于变量筛选更稳。这两个指标在fitglm输出中都有，横向比较时取AIC或BIC更小的模型。
4.2 残差诊断的正确打开方式
普通线性回归直接看y - y_hat，Gamma GLM不能这么简单粗暴。因为Gamma的方差随均值变化，原始残差的分布天然就是喇叭口，这是模型正确时的正常表现，不是瑕疵。
正确的残差是studentized形态。fitglm的mdl.Residuals返回一个table，包含Raw、Pearson、Deviance三列。Pearson残差是把原始残差除以它应有的标准差，即r_P = (y - μ_hat)/sqrt(φ·μ_hat²)；Deviance残差则是基于每个样本对偏差统计量贡献构造的，理论上更接近正态，也更适合检查离群点。
我的诊断套路是三步。首先，对拟合值画Deviance残差图，看有没有U型或漏斗形的结构；有结构说明漏了非线性项或某个交互项。其次，画残差Q-Q图，点越贴直线越好，右侧尾部可以允许少量偏离；如果右侧严重翘起，说明Gamma的尾巴不够厚，要考虑log-normal。最后，把残差绝对值与每个自变量画散点图，检查是否存在被漏掉的异方差来源。
4.3 变量效应图和系数解读
模型拟合完还有一个容易被忽略但非常实用的动作：画单个变量的效应曲线。保持其他变量在均值，让目标变量遍历取值范围，预测并画出μ的变化。
x1_range = linspace(min(X1), max(X1), 100)'; new_tbl = table(x1_range, ... repmat(mean(X2), 100, 1), ... ones(100, 1), ... 'VariableNames', {'x1', 'x2', 'x3'}); mu_plot = predict(mdl, new_tbl); plot(x1_range, mu_plot, 'b-', 'LineWidth', 2);指数链接下效应曲线本身是指数曲线，与x1轴垂直的趋势由β1决定。你可以直接把系数换算成倍数效应：exp(β1) - 1再乘100%，得到“x1每增加一个单位，均值变化百分之多少”。比如β1=0.85，变化率约134%。这种解读方式精算界和工程界都非常喜欢，费率表、维护成本预算都是这么生成的。
4.4 一个模拟案例的完整复盘
还是前面那组模拟数据，我把典型的回归输出整理出来给你看：
| 参数 | 真实值 | 估计值 | 标准误 | p值 |
|---|---|---|---|---|
| 截距 | 1.200 | 1.199 | 0.047 | <0.001 |
| x1 | 0.850 | 0.852 | 0.027 | <0.001 |
| x2 | -0.600 | -0.601 | 0.041 | <0.001 |
| x3 | 0.400 | 0.405 | 0.061 | <0.001 |
离散参数φ估计约0.321，真实值是0.333。这个结果在主流的多次模拟里都很稳定：系数估计几乎没有偏差，标准误随样本量增大而缩小，φ的估计误差在10%以内。
样本内预测的R²通常在0.5到0.6之间，看着不漂亮，但如果了解了Gamma数据“方差与均值平方成正比”的固有噪声，就知道这个R²其实是合理的。Gamma回归的噪声天然就大，千万不要拿它和一个普通线性回归的R²=0.9去比绝对值，二者解释的方差根本不是同一个口径。评估模型的核心是“相对于数据固有噪声，模型捕捉了多少信号”，这个信号比例可以从伪R平方或者似然比的提升来判断。
5. 实际项目中的常见坑与处理方案
5.1 遇到收敛失败警告怎么办
fitglm偶尔会输出“迭代没有收敛”或者“达到最大迭代次数”。先给你吃颗定心丸：90%的情况不是算法的问题，而是数据没喂好。
第一排查点是响应变量有没有极端接近0的数值。比如y里混进了0.001这种量级的点，log链接的线性预测子为了去够它，会把系数往负向推到极大，迭代就震荡。处理方式是加一个业务上有意义的偏移量，或者剔除这类极值。
第二排查点是完全共线性的预测变量。两个变量互为线性组合时，IRLS的信息矩阵不可逆，自然发警告。用corrcoef检查一下，或者直接看rank(X)是不是等于变量数。
第三排查点是变量量纲悬殊。10^6和10^-3这种组合会把数值似然面压得很扁，很难妥善收敛。标准化一波，问题往往直接消失。
如果以上都没问题，才轮到模型层面的处理：换inverse链接试试，或者用普通最小二乘的系数作为B0初值传进去。
5.2 响应变量里有0怎么办
这问题我在技术群里答了无数遍，再强调一次：Gamma分布定义域不包括0，y=0的样本不能直接进Gamma回归。
三个实用方案。第一个是加小偏移量，y_new = y + c，c要选一个业务上有意义的小常数，同时做敏感性分析，看c不同取值对系数影响大不大。第二个是两阶段模型——先对“是否为零”做logistic回归，再对正数部分做Gamma回归，业务预测值等于两个预测相乘。这个方案在保险零赔付场景里是标准做法，第一阶段预测“出险概率”，第二阶段预测“出险后平均赔付”，两者相乘就是期望赔付。第三个是用Tweedie分布，它天然支持非负值，但MATLAB的fitglm没有原生支持，得自己写最大似然估计或借助其他工具，工作量上了一个台阶。
5.3 离散参数phi大于1说明什么
φ大于1意味着形状参数a小于1，数据的右尾比典型Gamma更厚。此时Deviance残差QQ图右侧会出现明显翘尾，极端值的残差会异常大。
处理路径三条。一是检查离群值，是否存在录入错误或者业务上需要单独建模的特殊样本。二是换log-normal回归，对log(y)做普通线性回归，预测时用Smearing校正还原原始均值。三是评估业务需求——如果只是需要预测均值，Gamma GLM即使φ偏大也还能用；如果要做尾部分位数估计，建议直接换模型。反过来如果φ远小于1，比如0.01，数据几乎接近常数，那用Gamma回归相当于大炮打蚊子，普通线性回归也能胜任。
5.4 变量筛选和正则化怎么做
经典GLM不带内置正则化，p远小于n时用逐步回归可以，但p接近n或想更稳健地筛选变量时，我推荐lassoglm。它跟lasso一样走L1正则化路径，但支持分布族：
[B, FitInfo] = lassoglm(X, y, 'gamma', 'Link', 'log', 'CV', 5);选交叉验证误差最小的lambda对应的变量，然后再用fitglm重新拟合一次。原因很简单：lassoglm返回的是正则化路径，不给标准误和p值，而fitglm能给完整的统计推断，两个搭配最合理。我的习惯是先让lassoglm做变量初筛，筛出来的变量放进fitglm做最终建模，兼顾稳定性与可解释性。
5.5 一页选型对照表
| 数据特征 / 场景 | 推荐模型 | 理由 |
|---|---|---|
| 正值、右偏、方差随均值平方变化 | Gamma GLM | 方差结构内置，参数可解释 |
| 正值、尾部更厚、需要分位数估计 | log-normal回归 | 厚尾更贴合，分位数可解析 |
| 正值但包含0 | Tweedie / 两阶段模型 | 支持非负值，保留Gamma优势 |
| 可正可负、接近正态 | 普通线性回归 | 基础场景不要过度设计 |
| 正数但有强离群值 | 分位数回归 / 稳健回归 | GLM对极端值仍然敏感 |
我实际项目中并不会过度纠结模型的理论最优，Gamma GLM和log-normal在多数真实数据上的预测能力差异并不大。更关键的是能不能解释模型、能不能给业务一个“x变化一单位、y变化百分之几”的答案、预测区间是不是合理。Gamma GLM在这三个维度都合格，所以它常年是我处理正数右偏数据的第一选择。
5.6 MATLAB版本与工具箱兼容性
fitglm从R2013b起就在Statistics and Machine Learning Toolbox中提供，之后的主版本理论上都能跑。但我踩过几个版本相关的坑，提醒你注意。
R2020a之前，fitglm对table里的缺失值会静默删除，如果不自己检查，你可能压根没意识到样本量减少了。所以训练前养成习惯：sum(ismissing(tbl))自查一遍。R2022a之后，分类变量的处理逻辑有变化，旧代码里用0/1数字当分类变量不声明还能跑，新版本不声明就直接按连续回归量处理。另外lassoglm支持gamma分布是从R2011b才开始，更早的版本没有这个选项。部署环境也注意一下，MATLAB Compiler不是所有统计工具箱函数都支持，打包前用compiler.sdkCompatibilityCheck验证。
写到最后，说一点个人体会：我在好几个项目里用Gamma回归替换掉业务方坚持用的“取对数最小二乘”之后，模型在尾部的表现都更稳健了，尤其是预测区间不再出现“下界为负”的尴尬事。这个模型唯一的门槛其实是思维转换——接受“方差本就应该随均值变化”这一现实，而不是跟喇叭口残差图较劲。希望这篇完整的MATLAB实操笔记能帮你少走几步弯路，有具体问题欢迎在评论区交流，我看到了都会回。
