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。
Regresión直系multivariada
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multivariadad公测
= mvregress(X
,ÿ
)ÿ
X
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。ÿ
Existen observaciones POR CADA周报杜兰特未período德UNAÑO,POR老阙N.o 52.香格里拉维代拉斯respuestas corresponde一个拉斯维加斯regiones,POR老阙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
东德ÿ,CONcorrelaciónsimultánea恩特雷里奥斯regiones
干草•10 coeficientes德regresión对estimar:nuevetérminos德interceptaciónŸUNA pendientecomún。萨尔瓦多argumento德ENTRADA德贝SER联合国X
-matriz德celdas德elementos德-por-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
向量解立体coeficiente
contiene estimaciones德拉适马
-por-Matriz去varianza,covarianza,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。
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。ÿ
Existen observaciones POR CADA周报杜兰特未período德UNAÑO,POR老阙N.o 52.香格里拉维代拉斯respuestas corresponde一个拉斯维加斯regiones,POR老阙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
东德ÿ,CONcorrelaciónsimultánea恩特雷里奥斯regiones
干草•18 coeficientes德regresión对estimar:nuevetérminos德interceptaciónŸnuevetérminos德pendiente。ES联合国X
-matriz德celdas德elementos德-por-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
向量解立体coeficiente
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。
Ajustar联合国莫德洛德regresiónmultivariante CON未独奏莫德洛德regresión
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。ÿ
Existen observaciones POR CADA周报杜兰特未período德UNAÑO,POR老阙
X
CREAR联合国
X
Agregue 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
东德
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
适马
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。
X
-矩阵德DISEÑODiseñar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">dX
ñķ
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">ddX
ñp
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">dñX
dķ
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">dñX
ñdķ
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NaN
X
X
Tipos德DATOS:单
|双
|细胞
ÿ
-变量德respuesta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">dmvregress
ÿ
ñ
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NaN
ÿ
算法
Tipos德DATOS:单
|双
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
'算法', 'CWLS', 'covar0',C
C
'算法'
-Algoritmo德estimación'MVN'
|'ECM'
|'CWLS'
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'
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'
'beta0'
-Estimaciones iniciales对洛杉矶coeficientes德regresiónEstimaciones 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'
'covar0'
-Estimacióninicial对matriz去varianza,covarianza'covtype'
-TIPO德matriz去varianza,covarianza'充分'
(predeterminado)|'对角线'
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'
'MAXITER'
-NÚMERO被Máximo德iteraciones100
(predeterminado)|肠POSITIVONÚMERO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。tolbeta
tolobj
MAXITER
硅ambosŸ儿子0,entonces realiza iteraciones罪pruebas德convergencia。tolbeta
tolobj
mvregress
MAXITER
Ejemplo:'MAXITER',50
'outputfcn'
-Función对evaluar CADAiteraciónFunción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 |
'tolbeta'
-Tolerancia德convergencia对coeficientes德regresión开方(EPS)
(predeterminado)|英勇escalar POSITIVOTolerancia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
denotar拉estimación德尔矢量日coeficiente EN拉iteración,Y<Ëm class="varname">Ť
SER拉tolerancia especificada POR。tolbeta
萨尔瓦多搜索标准去convergencia对拉estimación德尔coeficiente德regresiónES
¿东德埃斯塔LA longitud德<Ëm class="varname">ķ ÿ ES LA诺玛去未矢量
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。tolbeta
tolobj
MAXITER
硅ambosŸ儿子0,entonces realiza iteraciones罪pruebas德convergencia。tolbeta
tolobj
mvregress
MAXITER
Ejemplo:'tolbeta',1E-5
'tolobj'
-Tolerancia德convergencia对拉funciónobjetivo数似然EPS ^(3/4)
(predeterminado)|英勇escalar POSITIVOTolerancia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
denotar EL勇气德拉función德objetivo数似然EN LAiteración,Y<Ëm class="varname">Ť
SER拉tolerancia especificada POR。tolobj
萨尔瓦多搜索标准去convergencia对拉funciónobjetivo ES
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。tolbeta
tolobj
MAXITER
硅ambosŸ儿子0,entonces realiza iteraciones罪pruebas德convergencia。tolbeta
tolobj
mvregress
MAXITER
Ejemplo:'tolobj',1E-5
'varformat'
-Formato对拉matriz去varianza-covarianza德estimación德parámetros“测试版”
(predeterminado)|'充分'
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'
'VARTYPE'
-TIPO德matriz去varianza-covarianza对estimaciones德parámetros“麻袋”
(predeterminado)|“费舍尔”
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”
mvregress
CovB
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”
mvregress
CovB
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'
公测
- Coeficientes德regresiónestimadosCoeficientes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。X
ñķmvregress
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。X
dķmvregress
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-。X
ñpÿ
dmvregress
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。X
ÿ
d公测
ÿ
X
公测
Ë
- ResiduosResiduales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'
mvregress
ÿ
VALORES condicionalmente imputados
硅tiene EL勇气,elimina拉斯observaciones CON VALORES德respuesta阙faltan底注德拉estimación。算法
'MVN'
mvregress
CovB
- Matriz去varianza-varianza德estimación德parámetrosMatriz去varianza-covarianza德estimación德parámetros,devuelta科莫UNA matriz cuadrada。
logL
- 勇气德拉funciónobjetivo数似然勇气德拉funciónobjetivo数似然después德拉ULTIMAiteración,devuelto科莫联合国英勇escalar。
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
东德
ES联合国维向量德拉斯respuestas。<Ëm class="varname">d
ES UNA matriz德DISEÑO德变量predictoras。
ES矢量o matriz德coeficientes德regresión。
ES未矢量维德términos德错误,CON DISTRIBUCION正常multivariada<Ëm class="varname">d
洛algoritmos德estimación德MINIMOS cuadrados ponderados POR expectativa / condicional()Y covarianza incluyen LAimputación洛斯VALORES德respuesta阙faltan。'ECM'
'CWLS'
Dejar denotan observaciones阙faltan。洛杉矶VALORES imputados condicionalmente儿子EL勇气esperado德拉观察faltante dados洛杉矶DATOS observados,
香格里拉DISTRIBUCION conjunta德拉斯respuestas faltantesŸobservadas ES UNA DISTRIBUCION正常multivariada,
Utilizando拉斯propiedades德拉DISTRIBUCION正常multivariante,拉expectativa condicional imputada ES达达POR
SOLO imputa洛杉矶VALORES德respuesta阙faltan。mvregress
硒eliminan拉斯observaciones CON VALORES阙faltan EN LA matriz德DISEÑO。
[1]小,罗德里克J.A.,和Donald B.鲁宾。<Ëm class="citetitle">有缺失数据的统计分析。第二版,新泽西州霍博肯市:John Wiley和Sons公司,2002。
[2]孟,小莉和唐纳德B.鲁宾。“通过ECM算法的最大似然估计。”<Ëm class="citetitle">Biometrika。卷。80,第2期,1993,第267-278。
[3]斯顿,乔,A. R.斯文森。“ECM算法,汇聚在EM的速度。”<Ëm class="citetitle">Biometrika。卷。87,第3期,2000,第651-662。
[4]登普斯特,A.P。,N. M.莱尔德和D. B.鲁宾。“从数据不完全通过EM算法最大似然。”<Ëm class="citetitle">皇家统计学会。B系列,卷。39,第1号,1977,第1-37页。
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。