Логарифмическая функция правдоподобия для регрессии методом наименьших квадратов с отсутствующими данными
Objective = ecmlsrobj(Data,Design,Parameters,Covariance)
|
|
| Матрица или массив ячеек, который обрабатывает две структуры модели:
|
|
|
| (Необязательно) |
Objective = ecmlsrobj(Data,Design,Parameters,Covariance) вычисляет целевую функцию наименьших квадратов на основе текущих оценок параметров с отсутствующими данными. Objective - скаляр, содержащий объективную функцию наименьших квадратов.
ecmlsrobj требует, чтобы Covariance быть позитивным-определенным.
Обратите внимание, что
ecmlsrobj(Data, Design, Parameters) = ecmmvnrobj(Data, ... Design, Parameters, IdentityMatrix)
где IdentityMatrix является NUMSERIESоколо-NUMSERIES единичная матрица.
Можно настроить Design в качестве матрицы, если NUMSERIES = 1 или в виде массива ячеек, если NUMSERIES ≥ 1.
Если Design является массивом ячеек и NUMSERIES = 1, каждая ячейка содержит NUMPARAMS вектор строки.
Если Design является массивом ячеек и NUMSERIES > 1, каждая ячейка содержит NUMSERIESоколо-NUMPARAMS матрица.
См. разделы Многомерная нормальная регрессия, Регрессия наименьших квадратов, Ковариантно-взвешенные наименьшие квадраты, Выполнимые обобщенные наименьшие квадраты и, Казалось бы, несвязанная регрессия.