function [Xloadings,Yloadings,Xscores,Yscores, ...
beta,pctVar,mse,stats] = plsregress(X,Y,ncomp,varargin)
用ncomp個因子或潛在變量計算Y在X上的迴歸，返回預測和響應載荷。
X是n*p預測變量，行對應觀測項，列對應變量。
Y是n*m響應矩陣。
Xloadings是p*ncomp因子載荷，每行包含定義原始預測變量的線性組合係數。
Xscores返回預測變量得分，即PLS因子是X中變量的線性組合，Xscores是一個n*ncomp正交矩陣，行對應觀察值，列對應因子。
因子載荷矩陣是各個原始變量的因子表達式的係數，表達提取的公因子對原始變量的影響程度。
因子得分矩陣表示各項指標變量與提取的公因子之間的關係，在某一公因子上得分高，表明該指標與該公因子之間關係越密切。
簡單說，通過因子載荷矩陣可以得到原始指標變量的線性組合，
如X1=a11*F1+a12*F2+a13*F3,其中X1爲指標變量X1，a11、a12、a13分別爲與變量X1在同一行的因子載荷，F1、F2、F3分別爲提取的公因子；
通過因子得分矩陣可以得到公因子的線性組合，如F1=a11*X1+a21*X2+a31*X3，字母代表的意義同上。、
beta爲迴歸模型的係數
PCTVAR是一個兩行的矩陣，第一行爲自變量提取成分的貢獻率，第二行爲因變量提取成分的貢獻率
MSE是一個兩行的矩陣，第一行的第j個元素表示自變量與它的前j-1個提出成份之間迴歸方程的剩餘標準差；第二行的第j個元素對應着因變量與它的前j-1個提出成份之間迴歸方程的剩餘標準差；
stats返回4個值stats.W是一個pls權重的ρ*ncomp的矩陣，使XS=X0*W,每一列對應特徵向量ρi
stats.T2是XS每一點的T^2統計值
stats.Xresiduals爲預測值殘差，X0-XS*XL'
stats.Yresiduals爲響應殘差，Y0-XS*YL'