Y es el conjunto de datos variable/dependientes/respuesta (una matriz unidimensional de celdas (Ej. filas o columnas)).

X es la matriz de datos de variables independientes,cada columna representa una variable.

Beta son los coeficientes del modelo GLM (una matriz unidimensional de celdas (Ej. filas o columnas)).

Phi es el parámetro de dispersión GLM. Phi - es unicamente significativo para (1/lote o tamaño de ensayo) Binomial o para la varianza Gaussiana.

Lvk es la función link que describe como la media depende del predictor lineal (1=Identidad (defecto), 2=Log, 3=Logit, 4=Probit, 5=Log-Log).

1. El modelo subyacente se describe aquí.
2. Los residuos MLG son definidos como:
   $$ \left[\epsilon\right]= \left[Y\right] - g^{-1}(X\beta) $$
3. GLM_RESID returns an array of size equal to number of rows in the input response (Y) or explanatory variables (X).
4. The number of rows in response variable (Y) must be equal to number of rows of the explanatory variables (X).
5. The betas input is optional, but if the user provide one, the number of betas must equal to the number of explanatory variables (i.e. X) plus one (intercept).
6. Para MLG con distribución de Poisson,
   • Los valores de la variable de respuesta deben ser números enteros no-negativos.
   • El valor del factor de dispersión (Phi) debe ser ya sea faltante o igual a uno.
7. Para MLG con distribución Binomial,
   • Los valores de la variable de respuesta deben ser fracciones no negativas entre cero y uno, incluido este.
   • El valor del factor de dispersión (Phi) debe ser una fracción positiva (mayor que cero y menor que uno).
8. Para la distribución MLG con distribución Gausssiana,el valor del factor de dispersión (Phi) debe ser positivo.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Modelo lineal generalizado

Referencias

• Hamilton, J .D.; Time Series Analysis , Princeton University Press (1994), ISBN 0-691-04289-6
• Tsay, Ruey S.; Analysis of Financial Time Series John Wiley & SONS. (2005), ISBN 0-471-690740