多变量回归的负对数似然
nlogl = mvregresslike(x,y,b,sigma,
all.
)
[nlogl,covb] = mvregresslike(...)
[nlogl,covb] = mvregresslike(...,类型
那格式
)
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.
。