MLR_FORE - Pronóstico utilizando la regresión lineal

X es la matriz de datos de variables independientes (exsplicativas), asi que cada columna representa una variable.

Mask es la matriz booleana para escoger las variables explicativas en el modelo. Si falta, todas las variables en X son incluidas.

Y es la respuesta o matriz de datos variable dependiente (una matriz unidimensional de celdas (Ej. filas o columnas.)).

Intercept es la constante o el valor del intercepto para ajustar(Ej. cero). Si falta, un intercepto no se ajustara y es calculado normalmente.

Target es el valor de las variables explicativas (una matriz unidimensional de celdas (Ej. filas o columnas.)).

Return_type es un switch para seleccionar una salida de retorno (1 = pronostico (defecto), 2 = error, 3 = límite superior, 4 = límite inferior).

Alpha es la significancia estadística de la prueba (Ej. alpha). Si falta o es omitida, se asume un valor alpha de 5%.

1. El modelo subyacente se describe aquí.
2. Los datos de la muestra pueden incluir valores faltantes.
3. Cada columna en la matriz de entrada corresponde a una variable separada.
4. Cada fila en la matriz corresponde a una observación.
5. Observaciones (Ej. filas) con valores faltantes en X o Y son eliminados.
6. El número de filas de la variable de respuesta (Y) debe ser igual al número de filas de las variables explicativas (X).
7. The MLR_FORE function is available starting with version 1.60 APACHE.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Regresión lineal
• Wikipedia - Análisis de la regresión
• Wikipedia - Mínimos cuadrados ordinarios

Referencias

• Hamilton, J .D.; Time Series Analysis , Princeton University Press (1994), ISBN 0-691-04289-6
• Kenney, J. F. and Keeping, E. S. (1962) "Linear Regression and Correlation." Ch. 15 in Mathematics of Statistics, Pt. 1, 3rd ed. Princeton, NJ: Van Nostrand, pp. 252-285