Оцените стандартные погрешности для многомерной нормальной модели регрессии
[StdParameters,StdCovariance] = mvnrstd(Data,Design,Covariance,CovarFormat)
|
|
| Матрица или массив ячеек, который обрабатывает две образцовых структуры:
|
|
|
| (Необязательно) Вектор символов, который задает формат для ковариационной матрицы. Выбор:
|
[StdParameters,StdCovariance] = mvnrstd(Data,Design,Covariance,CovarFormat)
оценивает стандартные погрешности для многомерной нормальной модели регрессии без недостающих данных. Модель имеет форму
для выборок k = 1..., NUMSAMPLES
.
mvnrstd
вычисляет два выходных параметров:
StdParameters
является NUMPARAMS
-by-1
вектор-столбец стандартных погрешностей для каждого элемента Parameters
, вектора предполагаемых параметров модели.
StdCovariance
является NUMSERIES
-by-NUMSERIES
матрица стандартных погрешностей для каждого элемента Covariance
, матрица предполагаемых параметров ковариации.
mvnrstd
действует медленно, когда вы вычисляете стандартные погрешности, сопоставленные с ковариационной матрицей Covariance
.
Можно сконфигурировать Design
как матрицу если NUMSERIES = 1
или как массив ячеек если NUMSERIES
≥ 1
.
Если Design
является массивом ячеек и NUMSERIES
= 1
, каждая ячейка содержит вектор - строку NUMPARAMS
.
Если Design
является массивом ячеек и NUMSERIES
> 1
, каждая ячейка содержит NUMSERIES
-by-NUMPARAMS
матрица.
Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.
Родерик Дж. А. Мало и Дональд Б. Рубин. Статистический анализ с Недостающими данными. 2-й выпуск. John Wiley & Sons, Inc., 2002.