mvregress | Многомерная линейная регрессия |
mvregresslike | Отрицательная логарифмическая правдоподобность для многомерной регрессии |
polytool | Интерактивный полиномиальный подбор кривой |
polyconf | Полиномиальные доверительные интервалы |
plsregress | Регрессия частичных наименьших квадратов (PLS) |
Настройте многомерные проблемы регрессии
Подбирать многомерную модель линейной регрессии использование mvregress, необходимо настроить матрицу ответа и матрицы проекта конкретным способом.
Многомерная общая линейная модель
В этом примере показано, как настроить многомерную общую линейную модель для оценки с помощью mvregress.
Фиксированная модель панели эффектов с параллельной корреляцией
В этом примере показано, как выполнить анализ данных панели с помощью mvregress.
В этом примере показано, как выполнить продольный анализ с помощью mvregress.
Частичная регрессия наименьших квадратов и регрессия основных компонентов
Примените частичную регрессию наименьших квадратов (PLSR) и регрессию основных компонентов (PCR), и исследуйте эффективность этих двух методов.
Многомерная линейная регрессия
Большие, высоко-размерные наборы данных распространены в современную эру компьютерного инструментирования и электронного хранения данных.
Оценка многомерных моделей регрессии
Когда вы подбираете многомерные модели линейной регрессии с помощью mvregress, можно использовать дополнительную пару "имя-значение" 'algorithm','cwls' выбрать оценку методом наименьших квадратов.
Частичные наименьшие квадраты (PLS) создают новые переменные предикторы как линейные комбинации исходных переменных предикторов, при рассмотрении наблюдаемых значений отклика, продвижении к экономной модели с надежной предсказательной силой.