Exponenta Banner

ecmmvnrstd

Оцените стандартные погрешности для многомерной нормальной модели регрессии

Синтаксис

[StdParameters, StdCovariance] = ecmmvnrstd(Data,Design,Covariance,Method,CovarFormat)

Аргументы

Data

NUMSAMPLES- NUMSERIES матрица с NUMSAMPLES выборки NUMSERIES- размерный случайный вектор. Отсутствующие значения представлены как NaNs. Только выборки, которые являются полностью NaNs проигнорированы. (Чтобы проигнорировать выборки по крайней мере с одним NaN, используйте mvnrstd.)

Design

Матрица A или массив ячеек, который обрабатывает две структуры модели:

  • Если NUMSERIES = 1, Design NUMSAMPLES- NUMPARAMS матрица с известными значениями. Эта структура является стандартной формой для регрессии на одном ряде.

  • Если NUMSERIES≥ 1 , Design массив ячеек. Массив ячеек содержит или один или NUMSAMPLES ячейки. Каждая ячейка содержит NUMSERIES- NUMPARAMS матрица известных значений.

    Если Design имеет отдельную ячейку, она принята, чтобы иметь тот же Design матрица для каждой выборки. Если Design имеет больше чем одну ячейку, каждая ячейка содержит Design матрица для каждой выборки.

Covariance

NUMSERIES- NUMSERIES матрица оценок для ковариации остаточных значений регрессии.

Method

(Необязательно) Вектор символов, который идентифицирует метод вычисления для информационной матрицы:

  • hessian — Метод по умолчанию. Используйте ожидаемую матрицу Гессиана наблюдаемой функции логарифмической правдоподобности. Этот метод рекомендуется, поскольку результирующие стандартные погрешности включают увеличенную неопределенность из-за недостающих данных.

  • fisher — Используйте матрицу информации о Фишере.

CovarFormat

(Необязательно) Вектор символов, который задает формат для ковариационной матрицы. Выбор:

  • 'full' — Метод по умолчанию. Ковариационная матрица является полной матрицей.

  • 'diagonal' — Ковариационная матрица является диагональной матрицей.

Описание

[StdParameters,StdCovariance] = ecmmvnrstd(Data,Design,Covariance,Method,CovarFormat) оценивает стандартные погрешности для многомерной нормальной модели регрессии с недостающими данными. Модель имеет форму

Datak∼N(Designk×Parameters, Covariance)

для выборок k = 1..., NUMSAMPLES.

ecmmvnrstd вычисляет два выходных параметров:

  • StdParameters NUMPARAMS- 1 вектор-столбец стандартных погрешностей для каждого элемента Parameters, вектор предполагаемых параметров модели.

  • StdCovariance NUMSERIES- NUMSERIES матрица стандартных погрешностей для каждого элемента Covariance, матрица предполагаемых параметров ковариации.

    Примечание

    ecmmvnrstd действует медленно, когда вы вычисляете стандартные погрешности, сопоставленные с ковариационной матрицей Covariance.

Примечания

Можно сконфигурировать Design как матрица, если NUMSERIES = 1 или как массив ячеек, если NUMSERIES ≥ 1 .

  • Если Design массив ячеек и NUMSERIES= 1 , каждая ячейка содержит NUMPARAMS вектор-строка.

  • Если Design массив ячеек и NUMSERIES> 1  , каждая ячейка содержит NUMSERIES- NUMPARAMS матрица.

Примеры

Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.

Ссылки

Родерик Дж. А. Литтл и Дональд Б. Рубин. Статистический анализ с Недостающими Данными. 2-й выпуск, John Wiley & Sons, Inc., 2002.

Смотрите также

Темы

Введен в R2006a

Документация Financial Toolbox
Поддержка