mvregress | Многомерная линейная регрессия |
mvregresslike | Отрицательное логарифмическое правдоподобие для многомерной регрессии |
polytool | Интерактивная полиномиальная подгонка |
polyconf | Доверительные интервалы полинома |
plsregress | Регрессия частичных наименьших квадратов (PLS) |
Настройка многомерных проблем регрессии
Подгонка многомерной модели линейной регрессии с использованием mvregress, необходимо настроить матрицу ответа и матрицы проектирования определенным образом.
Многомерная общая линейная модель
В этом примере показано, как настроить многомерную общую линейную модель для оценки с использованием mvregress.
Модель панели фиксированных эффектов с параллельной корреляцией
В этом примере показано, как выполнять анализ данных панели с помощью mvregress.
В этом примере показано, как выполнять продольный анализ с использованием mvregress.
Частичная регрессия методом наименьших квадратов и регрессия основных компонентов
В этом примере показано, как применять частичную регрессию наименьших квадратов (PLSR) и регрессию основных компонентов (PCR), и обсуждается эффективность этих двух методов.
Многомерная линейная регрессия
Большие, высокоразмерные наборы данных распространены в современную эпоху компьютерного приборостроения и электронного хранения данных.
Оценка многомерных регрессионных моделей
При подгонке многомерных моделей линейной регрессии с использованием mvregress, можно использовать опциональную пару имя-значение 'algorithm','cwls' для выбора оценки наименьших квадратов.
Частичные наименьшие квадраты (PLS) конструируют новые переменные предиктора как линейные комбинации исходных переменных предиктора, рассматривая при этом наблюдаемые значения ответа, приводя к экономной модели с надежной прогностической мощностью.