Оцените стандартные ошибки для многомерной модели нормальной регрессии
[StdParameters,StdCovariance] = mvnrstd(Data,Design,Covariance,CovarFormat)
|
|
| Матрица или массив ячеек, который обрабатывает две структуры модели:
|
|
|
| (Необязательно) Вектор символов, который задает формат ковариационной матрицы. Возможны следующие варианты:
|
[StdParameters,StdCovariance] = mvnrstd(Data,Design,Covariance,CovarFormat) оценивает стандартные ошибки для многомерной модели нормальной регрессии без отсутствующих данных. Модель имеет вид
для выборок k = 1,..., NUMSAMPLES.
mvnrstd вычисляет два выхода:
StdParameters является NUMPARAMS-by- 1 вектор-столбец стандартных ошибок для каждого элемента Parameters, вектор предполагаемых параметров модели.
StdCovariance является NUMSERIES-by- NUMSERIES матрица стандартных ошибок для каждого элемента Covariance, матрица предполагаемых ковариационных параметров.
Примечание
mvnrstd работает медленно, когда вы вычисляете стандартные ошибки, связанные с ковариационной матрицей Covariance.
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.
Родерик Дж. А. Литтл и Дональд Б. Рубин. Статистический анализ с отсутствующими данными. 2-е издание. John Wiley & Sons, Inc., 2002.