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.