mvregresslike.
多变量回归的负对数似然
句法
nlogl = mvregresslike（x，y，b，sigma，all.）
[nlogl，covb] = mvregresslike（...）
[nlogl，covb] = mvregresslike（...，类型那格式）
描述
nlogl = mvregresslike（x，y，b，sigma，计算否定的日志可能性all.）nlogl.对于多变量的回归D.- 在中间的多变量观测N-经过-D.矩阵y在矩阵或小区数组中的预测变量上X，评估了P.-By-1列向量B.系数估计和D.-经过-D.矩阵Sigma.指定一排的协方差y。如果D.= 1，X可以是一个N-经过-P.预测变量的设计矩阵。对于任何价值D.那X也可以是长度的细胞阵列N，每个细胞包含一个D.-经过-P.一个多变量观察的设计矩阵。如果所有观察结果都一样D.-经过-P.设计矩阵，X可以是单个细胞。
南价值X或者y被视为失踪。缺失值的观察X被忽略了。治疗缺失价值y取决于指定的算法all.。
all.应匹配使用的算法mvregress.获得系数估计B.，并且必须是以下之一：
'ECM'- ECM算法'cwls'- 最小二乘条件加权Sigma.'mvn'- 在省略任何缺失值的情况下省略行后计算的多变量正常估计y
[nlogl，covb] = mvregresslike（...）还返回估计的协方差矩阵Covb.参数估计B.。
[nlogl，covb] = mvregresslike（...，指定类型和格式类型那格式）Covb.。
类型或者是：
'赫索安'- 使用Hessian或观察到的信息。此方法考虑到由于数据而增加的不确定性。这是默认值。“渔业”- 使用fisher或预期的信息。此方法使用完整的数据预期信息，并且由于缺少数据而不包括不确定性。
格式或者是：
'beta'- 计算Covb.为了B.只要。这是默认值。'满的'- 计算Covb.对彼此而言B.和Sigma.。
您还可以从以下列表中选择一个网站：
