Оцените стандартные погрешности для многомерной нормальной модели регрессии
[StdParameters, StdCovariance] = ecmmvnrstd(Data,Design,Covariance,Method,CovarFormat)
|
|
| Матрица A или массив ячеек, который обрабатывает две структуры модели:
|
|
|
| (Необязательно) Вектор символов, который идентифицирует метод вычисления для информационной матрицы:
|
| (Необязательно) Вектор символов, который задает формат для ковариационной матрицы. Выбор:
|
[StdParameters,StdCovariance] = ecmmvnrstd(Data,Design,Covariance,Method,CovarFormat) оценивает стандартные погрешности для многомерной нормальной модели регрессии с недостающими данными. Модель имеет форму
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.
ecmmvnrstd действует медленно, когда вы вычисляете стандартные погрешности, сопоставленные с ковариационной матрицей Covariance.
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.
Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.
Родерик Дж. А. Литтл и Дональд Б. Рубин. Статистический анализ с Недостающими Данными. 2-й выпуск, John Wiley & Sons, Inc., 2002.