负对数似然多元回归
nlogL = mvregresslike(X,Y,B,SIGMA,
ALG
)
[nlogL,COVB] = mvregresslike(...)
[nlogL,COVB] = mvregresslike(...,类型
,格式
)
nlogL = mvregresslike(X,Y,B,SIGMA,
计算负对数似然ALG
)nlogL
为的多变量回归d在维多元意见ñ-通过-d矩阵ÿ
在基质上或单元阵列中的预测变量X
,评价了p×1列向量b
系数估计和的d-通过-d矩阵SIGMA
指定的行的协方差ÿ
。如果d= 1,X
可以是ñ-通过-p设计预测变量的矩阵。对于任何价值d,X
也可以是长度的单元阵列ñ,每个含有细胞d-通过-p设计为一个多变量观测矩阵。如果所有的观测具有相同d-通过-p设计矩阵,X
可以是单个细胞。
为NaN
价值观X
要么ÿ
被视为失踪。在遗漏值观察X
被忽略。在遗漏值的处理ÿ
依赖于指定的算法ALG
。
ALG
应该匹配使用的算法mvregress
以获得系数估计b
,并且必须是下列之一:
'ECM'
- ECM算法
'CWLS'
- 最小二乘有条件通过加权SIGMA
'MVN'
- 在任何遗漏值省略行后多因素一般预算计算ÿ
[nlogL,COVB] = mvregresslike(...)
还返回一个估计的协方差矩阵COVB
参数估计值的b
。
[nlogL,COVB] = mvregresslike(...,
指定的类型和格式类型
,格式
)COVB
。
类型
或者是:
“麻袋”
- 要使用Hessian或观测信息。这种方法考虑到由于数据缺失的不确定因素增加。这是默认的。
“费舍尔”
- 要使用费或预期的信息。此方法使用预期的信息的完整数据,并且不包括不确定性由于数据缺失。
格式
或者是:
“测试版”
- 计算COVB
对于b
只要。这是默认的。
'充分'
- 计算COVB
对彼此而言b
和SIGMA
。