埃斯塔páginaAUN没有本质公顷traducido对ESTA版本。Puede版本LA版MÁSreciente德ESTApágina恩英格尔斯。

mvregress

Regresión直系multivariada

contraer待办事项恩拉página

Sintaxis

的β= mvregress（X，Y）
的β= mvregress（X，Y，名称，值）
-β，Σ| = mvregress（___）
-β，西格玛，E，CovB，logL] = mvregress（___）

Descripción

ejemplo

公测= mvregress（X，ÿ）devuelve洛杉矶coeficientes estimados对UNA德拉斯respuestas -dimensionales恩拉斯维加斯矩阵德DISEÑO恩。regresión正常multivariadadÿX

ejemplo

公测= mvregress（X，ÿ，名称，值）devuelve洛杉矶coeficientes estimados utilizando opciones adicionales especificadas POR UNOØMÁSargumentos去比肩农布雷 - 勇气。POR ejemplo，puede especificar EL algoritmo德estimación，洛杉矶VALORES德estimacióninicialesØELNÚMERO被Máximo德iteraciones对拉regresión。

ejemplo

[公测，适马] = mvregress（___）tambiéndevuelve拉matriz estimada -por- varianza-covarianza德，utilizando cualquiera德洛斯argumentos德ENTRADA德拉斯sintaxis前牙。<Ëm class="varname">ddÿ

ejemplo

[公测，适马，Ë，CovB，logL] = mvregress（___）tambiéndevuelve UNA matriz德residuos，拉matriz去varianza-covarianza estimada德洛斯coeficientes德regresiónŸEL勇气德拉función德objetivo德probabilidad德registrodespués德拉最美iteración。ËCovBlogL

Ejemplos

contraer待办事项

Abrir脚本

Ajuste联合国莫德洛德regresiónmultivariante洛DATOS德尔面板，suponiendo diferentes interceptacionesŸpendientes comunes。

Cargue洛杉矶DATOS德ejemplo。

加载（'流感'）

香格里拉matriz德conjuntos德DATOS contiene estimaciones nacionales德拉抱怨德洛斯CDCŸnueve estimaciones Regionales的independientes basadas连接洛杉矶DATOS德CONSULTA德Google®。流感

Extraiga拉respuesta和Los DATOS德尔预测。

Y =双（流感（：，2：端-1））;[N，d] =尺寸（Y）;X = flu.WtdILI;

拉斯维加斯respuestas儿子拉斯nueve estimaciones Regionales的德抱怨。ÿExisten observaciones POR CADA周报杜兰特未período德UNAÑO，POR老阙$ N $N.o 52.香格里拉维代拉斯respuestas corresponde一个拉斯维加斯regiones，POR老阙$ d $N.o 9.洛杉矶predictores儿子拉斯estimaciones semanales德抱怨全国。X

Trazar洛杉矶DATOS德拉抱怨，agrupados POR区域。

数字;区域= flu.Properties.VarNames（2：端-1）;图（X，Y，'X'）图例（区域，'位置'，'西北'）

Ajuste EL莫德洛德regresiónmultivariante

$$ Y_ {IJ} = \ alpha_j + \测试X_ {IJ} + \ epsilon_ {IJ}，$$

东德$ I = 1，\点，正$ÿ$ J = 1，\点，d $，CONcorrelaciónsimultánea恩特雷里奥斯regiones

$$ COV（\ epsilon_ {IJ}，\ epsilon_ {IJ}）= \ sigma_ {JJ}。$$

干草$ķ$•10 coeficientes德regresión对estimar：nuevetérminos德interceptaciónŸUNA pendientecomún。萨尔瓦多argumento德ENTRADA德贝SER联合国X$ N $-matriz德celdas德elementos德$ d $-por-$ķ$矩阵德DISEÑO。

X =细胞（N，1）;对于I = 1：n的X {I} = [眼（d）repmat（X（i）中，d，1）];结束-β，Σ| = mvregress（X，Y）;

contiene estimaciones德拉公测$ķ$向量解立体coeficiente

$$（\ alpha_1，\ alpha_2，\点，\ alpha_9，\测试版）”。$$

contiene estimaciones德拉适马$ d $-por-$ d $Matriz去varianza，covarianza$ {（\ sigma_ {IJ}）} _ {d \倍D} $，$ I，J = 1，\点，d $对拉斯correlacionessimultáneas恩特雷里奥斯regiones。

Trazar EL莫德洛德regresiónajustado。

B = [β（1：d）'; repmat（β（结束），1，d）];XX = linspace（.5,3.5）';配合= [酮（大小（XX）），XX] * B;数字;H =积（X，Y，'X'，XX，配合，' - '）;对于I = 1：d组（H（d + I），'颜色'，获得（H（I）'颜色'））;结束传说（区，'位置'，'西北'）;

萨尔瓦多trazado muestra阙CADA拉利内阿德regresióntiene UNAintercepcióndiferente佩罗LA misma pendiente。重点税源监控LAinspección视觉，algunaslíneas德regresiónparecen ajustarse MEJOR洛DATOS阙otras。

Abrir脚本

Ajuste联合国莫德洛德regresiónmultivariante洛DATOS德尔面板utilizando MINIMOS cuadrados，suponiendo diferentes interceptacionesÿpendientes。

Cargue洛杉矶DATOS德ejemplo。

加载（'流感'）;

香格里拉matriz德conjuntos德DATOS contiene estimaciones nacionales德拉抱怨德洛斯CDCŸnueve estimaciones Regionales的independientes basadas连接consultas®谷歌。流感

Extraiga拉respuesta和Los DATOS德尔预测。

Y =双（流感（：，2：端-1））;[N，d] =尺寸（Y）;X = flu.WtdILI;

拉斯维加斯respuestas儿子拉斯nueve estimaciones Regionales的德抱怨。ÿExisten observaciones POR CADA周报杜兰特未período德UNAÑO，POR老阙$ N $N.o 52.香格里拉维代拉斯respuestas corresponde一个拉斯维加斯regiones，POR老阙$ d $N.o 9.洛杉矶predictores儿子拉斯estimaciones semanales德抱怨全国。X

Ajuste EL莫德洛德regresiónmultivariante

$$ Y_ {IJ} = \ alpha_j + \ beta_j X_ {IJ} + \ epsilon_ {IJ}，$$

东德$ I = 1，\点，正$ÿ$ J = 1，\点，d $，CONcorrelaciónsimultánea恩特雷里奥斯regiones

$$ COV（\ epsilon_ {IJ}，\ epsilon_ {IJ}）= \ sigma_ {JJ}。$$

干草$ķ$•18 coeficientes德regresión对estimar：nuevetérminos德interceptaciónŸnuevetérminos德pendiente。ES联合国X$ N $-matriz德celdas德elementos德$ d $-por-$ķ$矩阵德DISEÑO。

X =细胞（N，1）;对于I = 1：n的X {I} = [眼（d）×（I）*眼（d）];结束-β，Σ| = mvregress（X，Y，'算法'，'CWLS'）;

contiene estimaciones德拉公测$ķ$向量解立体coeficiente

$$（\ alpha_1，\ alpha_2，\点，\ alpha_9，\ beta_1，\ beta_2，\点，\ beta_9）”。$$

Trazar EL莫德洛德regresiónajustado。

B = [β（1：d） ';β（d + 1：结束）'];XX = linspace（.5,3.5）';配合= [酮（大小（XX）），XX] * B;数字;H =积（X，Y，'X'，XX，配合，' - '）;对于I = 1：d组（H（d + I），'颜色'，获得（H（I）'颜色'））;结束区域= flu.Properties.VarNames（2：端-1）;传说（区，'位置'，'西北'）;

萨尔瓦多trazado muestra阙CADA拉利内阿德regresióntiene UNAintercepciónŸUNA pendiente diferentes。

Abrir脚本恩体内

Ajustar联合国莫德洛德regresiónmultivariante CON未独奏莫德洛德regresión

<数学显示=“块”>
ñ
-por-
<数学显示=“块”>
P
matriz德DISEÑO对托达拉斯dimensiones德respuesta。

Cargue洛杉矶DATOS德ejemplo。

加载（'流感'）

香格里拉matriz德conjuntos德DATOS contiene estimaciones nacionales德拉抱怨德洛斯CDCŸnueve estimaciones Regionales的independientes basadas连接consultas®谷歌。流感

Extraiga拉respuesta和Los DATOS德尔预测。

Y =双（流感（：，2：端-1））;[N，d] =尺寸（Y）;X = flu.WtdILI;

拉斯维加斯respuestas儿子拉斯nueve estimaciones Regionales的德抱怨。ÿExisten observaciones POR CADA周报杜兰特未período德UNAÑO，POR老阙

<数学显示=“块”>
ñ
N.o 52.香格里拉维代拉斯respuestas corresponde一个拉斯维加斯regiones，POR老阙
<数学显示=“块”>
d
N.o 9.洛杉矶predictores儿子拉斯estimaciones semanales德抱怨全国。X

CREAR联合国

<数学显示=“块”>
ñ
-por-
<数学显示=“块”>
P
matriz德DISEÑO。XAgregue UNA columna德VARIOS对incluir未término恩康斯坦特拉regresión。

X = [酮（大小（X）），x]中;

Ajuste EL莫德洛德regresiónmultivariante

<数学显示=“块”>
ÿ
一世
Ĵ
=
α
Ĵ
+
β
Ĵ
X
一世
Ĵ
+
ε
一世
Ĵ
，

东德

<数学显示=“块”>
一世
=
1
，
...
，
ñ
ÿ
<数学显示=“块”>
Ĵ
=
1
，
...
，
d
，CONcorrelaciónsimultánea恩特雷里奥斯regiones

<数学显示=“块”>
C
Ø
V
<莫伸缩性=“假”>（
ε
一世
Ĵ
，
ε
一世
Ĵ
<莫伸缩性=“假”>）
=
σ
Ĵ
Ĵ
。

干草18 coeficientes德regresión对estimar：nuevetérminos德interceptaciónŸnuevetérminos德pendiente。

-β，西格玛，E，CovB，logL] = mvregress（X，Y）;

contiene estimaciones德拉公测

<数学显示=“块”>
P
-por-
<数学显示=“块”>
d
matriz德coeficientes。contiene estimaciones德拉适马
<数学显示=“块”>
d
-por-
<数学显示=“块”>
d
matriz去varianza-covarianza对拉斯correlacionessimultáneas恩特雷里奥斯regiones。ES UNA matriz德洛斯residuos。ES LA matriz去varianza-covarianza estimada德洛斯coeficientes德regresión。ES EL勇气德拉función德objetivo德probabilidad德registrodespués德拉最美iteración。Ë CovB logL

Trazar EL莫德洛德regresiónajustado。

B =β;XX = linspace（.5,3.5）';配合= [酮（大小（XX）），XX] * B;数字H=图（X，Y， 'X'，XX，配合， ' - '）;对于I = 1：d组（H（d + I），'颜色'，获得（H（I）'颜色'））结束区域= flu.Properties.VarNames（2：端-1）;传说（区，'位置'，'西北'）

萨尔瓦多trazado muestra阙CADA拉利内阿德regresióntiene UNAintercepciónŸUNA pendiente diferentes。

Argumentos德ENTRADA

contraer待办事项

Diseñar矩阵对拉regresiónmultivariante，especificada科莫UNA matrizØmatriz德矩阵德células。ES ELNÚMERO德observaciones恩洛杉矶DATOS，ES ELNÚMERO德coeficientes德regresión一个estimar，ES ELNÚMERO德变量predictoras，Y上课ELNÚMERO德dimensiones带拉matriz德变量德respuesta。<Ëm class="varname">ñķpdÿ

  • 的Si上课1，especifique como的UNA matriz德DISEÑOUNICA POR。<Ëm class="varname">dXñķ

  • 的Si> 1个Y托达拉斯dimensiones泰尼恩LA misma matriz德DISEÑO，puede especificar como的UNA matriz德DISEÑOUNICA POR（无烯UNA matriz德celdas）。<Ëm class="varname">ddXñp

  • 的Si> 1个Y托达拉斯observaciones泰尼恩LA misma matriz德DISEÑO，puede especificar como的UNA matriz德celdas阙contenga乌纳索拉matriz德DISEÑO。<Ëm class="varname">dñXdķ

  • 的Si> 1个Y托达拉斯observaciones没有泰尼恩LA misma matriz德DISEÑO，especifique como的UNA matriz德celdas德longitud阙contenga矩阵德DISEÑOPOR。<Ëm class="varname">dñXñdķ

帕拉incluir联合国término恩康斯坦特EL莫德洛德regresión，CADA matriz德DISEÑO德贝contener UNA columna德VARIOS。

trata洛杉矶VALORES科莫VALORES阙faltanËignora拉斯filas CON VALORES阙faltan。mvregress为NaNXX

Tipos德DATOS：单|双|细胞

变量去respuesta，especificadas科莫UNA matriz -by-。ES ELNÚMERO德observaciones恩洛杉矶DATOS，Y上课ELNÚMERO德dimensiones EN拉respuesta。<Ëm class="varname">ñdñd宽多上课1，trata洛杉矶VALORES连接VALORES德respuesta independientes similares。<Ëm class="varname">dmvregressÿñ

trata洛杉矶VALORES科莫VALORES阙faltan和Los controla托里奥拉EL algoritmo德estimaciónespecificado mediante EL argumento去比肩农布雷 - 勇气。mvregress为NaNÿ算法

Tipos德DATOS：单|双

Argumentos去比肩农布雷，勇气

Especifique价格调整汇率opcionales separados POR昏迷德argumentos。ES EL农布雷德尔argumentoŸES EL勇气correspondiente。德夯aparecer恩特雷里奥斯科米利亚斯。名称，值名称值名称Puede especificar VARIOS argumentos德比肩德农布雷Ÿ勇气恩勋章cualquier科莫。名1，值1，...，NameN，值N

Ejemplo：especifica拉estimación德MINIMOS cuadrados ponderadas POR covarianza utilizando拉matriz德covarianza。'算法'， 'CWLS'， 'covar0'，CC

Algoritmo德estimación，especificado科莫EL面值separado POR昏迷阙CONSTA德ŸUNO德洛斯siguientes。'算法'

'MVN' Estimación德probabilidad马克西玛正常multivariante ordinaria。
'ECM' Estimación德马克西玛verosimilitud一个través德尔algoritmo ECM。
'CWLS' Estimación德MINIMOS cuadrados ponderadas POR covarianza。

萨尔瓦多algoritmo predeterminado depende德拉presencia德DATOS阙faltan。

  • 对洛杉矶DATOS completos，EL勇气predeterminado上课。'MVN'

  • 硅faltan respuestas（indicadas POR），EL勇气predeterminado ES，SIEMPRE阙埃尔玉野德拉muestra海suficiente对estimar待办事项洛杉矶parámetros。为NaN'ECM'德卤味反证，EL algoritmo predeterminado上课。'CWLS'

诺塔

硅tiene EL勇气，elimina拉斯observaciones CON VALORES德respuesta阙faltan底注德拉estimación。算法'MVN'mvregress

Ejemplo：'算法'， 'ECM'

Estimaciones iniciales对洛杉矶coeficientes德regresión，especificadas科莫EL面值separado POR昏迷阙CONSTA德Ÿ联合国矢量CON elementos。'beta0'ķ萨尔瓦多勇气predeterminado ES联合国向量解0。

萨尔瓦多argumento没有本质utiliza SI LAestimaciónES。beta0算法'MVN'

Estimacióninicial对拉matriz去varianza-covarianza，especificada科莫EL面值separado POR昏迷德ŸUNA matrizsimétrica，definida positiva，-por-。适马'covar0'dd萨尔瓦多勇气predeterminado ES LA matriz德identidad。

硅拉estimaciónES，SE entonces科莫utiliza拉matriz德ponderaciónEN CADAiteración，罪cambiarla。算法'CWLS'mvregresscovar0

TIPO德matriz去varianza-covarianza对estimar，especificado科莫EL面值separado POR昏迷阙CONSTA德ŸUNO德洛斯siguientes。ÿ'covtype'

'充分' Estimar待办事项洛斯elementos去varianza-covarianza（+ 1）/ 2。<Ëm class="varname">dd
'对角线' Calcule独奏洛杉矶elementos diagonales德拉matriz去varianza-covarianza。<Ëm class="varname">d

Ejemplo：'covtype'， '对角线'

NÚMERO被Máximo德iteraciones第下午algoritmo德estimación，especificado科莫EL面值separado POR昏迷阙CONSTA德Ÿ联合国肠POSITIVO。'MAXITER'

拉斯维加斯iteracionescontinúan闪现阙拉斯维加斯estimacionesestán迪登特鲁德拉斯tolerancias德convergencia Y，ØSE alcanza ELNÚMERO被Máximo德iteraciones especificado POR。tolbetatolobjMAXITER硅ambosŸ儿子0，entonces realiza iteraciones罪pruebas德convergencia。tolbetatolobjmvregressMAXITER

Ejemplo：'MAXITER'，50

Función对evaluar EN CADAiteración，especificada科莫EL面值separado POR昏迷阙CONSTA德Ÿ联合国identificador德función。'outputfcn'香格里拉función德贝devolver未LOGICO O操作。真正假恩CADAiteración，evalúaLAfunción。mvregress硅EL resultado ES，拉斯iteraciones SE detienen。真正德卤味反证，拉斯iteracionescontinúan。POR ejemplo，puede especificar UNAfunción阙痕量邻muestre洛杉矶resultados德iteraciónactualesŸdevuelva SI cierra LA FIGURA。真正

香格里拉función德贝aceptar特雷斯argumentos德ENTRADA，EN埃斯特奥登：

  • 矢量德estimaciones德尔coeficiente实际

  • Estructura阙contiene estos特雷斯坎波斯：

    COVAR 勇气实际德拉matriz去varianza，covarianza
    迭代 NÚMERO德iteración实际
    FVAL 勇气实际德拉funciónobjetivo数似然

  • Texto阙托马estos特雷斯VALORES：

    '在里面' 宽多本身骆驼一拉función杜兰特拉inicialización
    'ITER' 宽多本身骆驼一拉funcióndespués德UNAiteración
    “完成” 宽多本身骆驼一拉funcióndespués德拉finalización

Tolerancia德convergencia对coeficientes德regresión，especificada科莫EL面值separado POR昏迷阙CONSTA德Ÿ联合国英勇escalar POSITIVO。'tolbeta'

Dejar b Ť denotar拉estimación德尔矢量日coeficiente EN拉iteración，Y<Ëm class="varname">Ť τβSER拉tolerancia especificada POR。tolbeta萨尔瓦多搜索标准去convergencia对拉estimación德尔coeficiente德regresiónES

‖ b Ť - b Ť-1 ‖<τβ ķ （1+‖ b Ť ‖），

¿东德埃斯塔LA longitud德<Ëm class="varname">ķ b Ť ÿ ‖ v ‖ES LA诺玛去未矢量 v 。

拉斯维加斯iteracionescontinúan闪现阙拉斯维加斯estimacionesestán迪登特鲁德拉斯tolerancias德convergencia Y，ØSE alcanza ELNÚMERO被Máximo德iteraciones especificado POR。tolbetatolobjMAXITER硅ambosŸ儿子0，entonces realiza iteraciones罪pruebas德convergencia。tolbetatolobjmvregressMAXITER

Ejemplo：'tolbeta'，1E-5

Tolerancia德convergencia对拉función德objetivo数似然，especificada科莫EL面值separado POR昏迷阙CONSTA日联合国英勇escalar POSITIVO。'tolobj'

Dejar 大号Ť denotar EL勇气德拉función德objetivo数似然EN LAiteración，Y<Ëm class="varname">Ť τℓSER拉tolerancia especificada POR。tolobj萨尔瓦多搜索标准去convergencia对拉funciónobjetivo ES

| 大号Ť - 大号Ť-1 |<τℓ（1+| 大号Ť |）。

拉斯维加斯iteracionescontinúan闪现阙拉斯维加斯estimacionesestán迪登特鲁德拉斯tolerancias德convergencia Y，ØSE alcanza ELNÚMERO被Máximo德iteraciones especificado POR。tolbetatolobjMAXITER硅ambosŸ儿子0，entonces realiza iteraciones罪pruebas德convergencia。tolbetatolobjmvregressMAXITER

Ejemplo：'tolobj'，1E-5

Formato对拉matriz去varianza-covarianza德estimación德parámetros，especificado科莫EL面值separado POR昏迷阙CONSTA德ŸUNO德洛斯siguientes。CovB'varformat'

“测试版” Devuelve拉matriz去varianza-covarianza独奏对拉斯estimaciones德尔coeficiente德regresión。公测
'充分' Devuelve拉matriz去varianza-covarianza TANTO对拉斯estimaciones德尔coeficiente日regresión科莫对拉estimación德matriz去varianza-covarianza。公测适马

Ejemplo：'varformat'， '全'

TIPO德matriz去varianza-covarianza对estimaciones德parámetros，especificada科莫EL面值separado POR昏迷阙CONSTA德Y，O操作。'VARTYPE'“麻袋”“费舍尔”

  • 硅EL勇气ES，一个continuación，utiliza LA matriz黑塞，U信息observada，第calcular。“麻袋”mvregressCovB

  • 硅EL勇气ES，一个continuación，utiliza拉matriz德DATOS completos费舍尔，邻信息esperada，第calcular。“费舍尔”mvregressCovB

萨尔瓦多方法方法tiene连接CUENTA EL aumento德拉斯incertidumbres debido一拉法尔他去DATOS，mientras阙埃尔方法方法没有。“麻袋”“费舍尔”

Ejemplo：'VARTYPE'， '渔民'

Argumentos德萨利达

contraer待办事项

Coeficientes德regresiónestimados，devueltos科莫矢量德columnaØmatriz。

  • 硅especifica como的UNA matriz德DISEÑOUNICA POR，devuelve como的未矢量德columna德longitud。Xñķmvregress公测ķPOR ejemplo，SI ES UNA matriz德DISEÑODE 20 POR 5，entonces ES未矢量德columna德5 POR 1。X公测

  • 硅especifica como的UNA matriz德celdas阙contiene乌纳öMÁS矩阵德DISEÑO-by-，devuelve como的未矢量德columna德longitud。Xdķmvregress公测ķPOR ejemplo，SI ES UNA matriz德celdas阙contiene矩阵德DISEÑODE 2 POR 10，entonces上课DE columna 10 POR 1未矢量。X公测

  • 硅especifica como的UNA matriz德DISEÑOUNICA POR（无烯UNA matriz德celdas）y的tiene尺寸> 1，SE devuelve como的UNA matriz -por-。Xñpÿdmvregress公测pdPOR ejemplo，SI ES UNA matriz德DISEÑODE 20 POR 5 Y tiene DOS dimensiones德TAL备考阙ES 2，entonces ES UNA matriz德5 POR 2，Y洛斯VALORES ajustados儿子。Xÿd公测ÿX公测

Matriz去varianza-covarianza estimada对拉斯respuestas恩，devuelta科莫UNA matriz cuadrada -por-。ÿdd

诺塔

香格里拉matriz去varianza-covarianza estimada，没有ES LA matriz德covarianza德muestra德拉matriz残留。适马Ë

Residuales第下午莫德洛德regresiónajustado，devueltos科莫UNA matriz -by-。<Ëm class="varname">ñd

硅tiene EL勇气O，calcula洛斯VALORES residuales correspondientes一个洛斯VALORES阙faltan como的LA diferencia恩特雷里奥斯洛斯VALORES ajustados和Los VALORES ajustados。算法'ECM''CWLS'mvregressÿVALORES condicionalmente imputados

诺塔

硅tiene EL勇气，elimina拉斯observaciones CON VALORES德respuesta阙faltan底注德拉estimación。算法'MVN'mvregress

Matriz去varianza-covarianza德estimación德parámetros，devuelta科莫UNA matriz cuadrada。

  • 硅tiene EL勇气（predeterminado），ES LA matriz去varianza-covarianza estimada德拉斯estimaciones德coeficiente恩。varformat“测试版”CovB公测

  • 硅tiene EL勇气，entonces ES LA matriz去varianza-covarianza estimada德拉斯estimaciones combinadas恩年。varformat'充分'CovB公测适马

勇气德拉funciónobjetivo数似然después德拉ULTIMAiteración，devuelto科莫联合国英勇escalar。

MAS acerca德

contraer待办事项

Regresión正常multivariante

香格里拉regresión正常multivariante ES LAregresión日乌纳respuesta维恩UNA matriz德DISEÑO德变量predictoras，CON errores distribuidos normalmente。<Ëm class="varname">d洛杉矶errores pueden SERheteroscedásticosÿcorrelacionados。

萨尔瓦多莫德洛ES

ÿ 一世= X 一世β+ Ë 一世， 一世=1，。。。，ñ，

东德