SSE и доверительный интервал для преобразований Cox Поля
[sse, ci, lambda] = BoxCoxSSE(Model, lambda)
[sse, ci, lambda] = BoxCoxSSE(Model)
BoxCoxSSE(Model, ...)
Это - метод mbcmodel.linearmodel.
[sse, ci, lambda] = BoxCoxSSE(Model, lambda) вычисляет ошибку суммы квадратов (sse) и доверительный интервал (ci) поскольку значения модели под различной Cox Поля преобразовывают (как дано параметром lambda). Используемые данные являются этим, которое использовалось, чтобы подбирать модель. sse вектор тот же размер как lambda и ci скаляр. Нет никакой статистической разницы между Cox Поля, преобразовывает где sse меньше, чем ci.
[sse, ci, lambda] = BoxCoxSSE(Model) Если lambda не задан, затем значения по умолчанию для используются, и они возвращены в третьем выходном аргументе.
BoxCoxSSE(Model, ...) Если никакие выходные аргументы не требуют затем, график SSE по сравнению с lambda отображен. Доверительные интервалы также отображены на этом графике.
Попробовать несколько различных значений, параметра Cox Поля и построить результаты:
lambda = -3:0.5:3; [sse, ci] = BoxCoxSSE( M, lambda); semilogy( lambda, sse, 'bo-', lambda([1,end]), [ci, ci], 'r--' ); xlabel( 'Box-Cox parameter, \lambda' ); ylabel( 'SSE' );
Обратите внимание на то, что BoxCoxSSE не устанавливает Cox Поля, преобразовывают в модель. Сделать это использование:
M.Properties.BoxCox = 0; [S,M] = M.Fit;
