主要内容

mvnrobj

无缺失数据的多元正态回归的对数似然函数

语法

目标= mvnrobj(数据、设计参数、协方差CovarFormat)

参数

数据

NUMSAMPLES——- - - - - -NUMSERIES矩阵NUMSAMPLES样品的NUMSERIES维随机向量。如果一个数据样本有缺失的值,表示为S时,忽略样本。(使用ecmmvnrmle来处理丢失的数据。)

设计

处理两种模型结构的矩阵或单元阵列:

  • 如果NUMSERIES = 1设计是一个NUMSAMPLES——- - - - - -NUMPARAMS已知值的矩阵。这种结构是对单个序列进行回归的标准形式。

  • 如果NUMSERIES1设计是单元格数组。单元格数组包含一个或NUMSAMPLES细胞。每个单元格包含一个NUMSERIES——- - - - - -NUMPARAMS已知值的矩阵。

    如果设计有一个单细胞,它假定有相同的设计每个样品的矩阵。如果设计有多个单元格,每个单元格包含一个设计每个样品的矩阵。

参数

NUMPARAMS——- - - - - -1列向量估计的参数的回归模型。

协方差

NUMSERIES——- - - - - -NUMSERIES回归残差协方差估计矩阵。

CovarFormat

(可选)指定协方差矩阵格式的字符向量。的选择是:

  • “全部”——默认的方法。协方差矩阵是一个完整矩阵。

  • “对角线”-协方差矩阵是一个对角矩阵。

描述

目标= mvnrobj(数据、设计参数、协方差CovarFormat)在没有丢失数据的情况下,基于当前最大似然参数估计计算对数似然函数。客观的是一个包含对数似然函数的标量。

笔记

您可以配置设计作为一个矩阵NUMSERIES = 1或者作为单元格数组NUMSERIES1

  • 如果设计是单元阵列和NUMSERIES1,每个单元格包含一个NUMPARAMS行向量。

  • 如果设计是单元阵列和NUMSERIES>1,每个单元格包含一个NUMSERIES——- - - - - -NUMPARAMS矩阵。

虽然设计不应该值,忽略的样本由于数据在相应的设计数组中。

例子

看到多元正态回归最小二乘回归Covariance-Weighted最小二乘可行广义最小二乘,看似不相关的回归

介绍了R2006a