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 `NaN`s. Только выборки, которые являются полностью `NaN`s проигнорированы. (Чтобы проигнорировать выборки по крайней мере с одним `NaN`Использование `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

$D a t a_{k} \sim N (D e s i g n_{k} \times P a r a m e t e r s, C o v a r i a n c e)$

для выборок k = 1..., NUMSAMPLES.

ecmmvnrstd вычисляет два выходных параметров:

StdParameters NUMPARAMS- 1 вектор-столбец стандартных погрешностей для каждого элемента Parameters, вектор из 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

ecmmvnrmle

Темы

Введен в R2006a

Документация