Логарифмическая функция логарифмической правдоподобности 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 методом наименьших квадратов на основе текущих оценок параметров с отсутствующими данными. Objective является скаляром, который содержит целевую функцию методом наименьших квадратов.
ecmlsrobj требует, чтобы Covariance быть положительно-определенным.
Обратите внимание, что
ecmlsrobj(Data, Design, Parameters) = ecmmvnrobj(Data, ... Design, Parameters, IdentityMatrix)
где IdentityMatrix является NUMSERIES-by- NUMSERIES единичная матрица.
Можно конфигурировать Design как матрица, если NUMSERIES = 1 или как массив ячеек, если NUMSERIES ≥ 1.
Если Design является массивом ячеек и NUMSERIES = 1каждая камера содержит NUMPARAMS Вектор-строка.
Если Design является массивом ячеек и NUMSERIES > 1каждая камера содержит NUMSERIES-by- NUMPARAMS матрица.
См. Многомерная нормальная регрессия, регрессия методом наименьших квадратов, ковариационная взвешенная методом наименьших квадратов, допустимые обобщенные методом наименьших квадратов и, кажется, несвязанная регрессия.