GLM_GUESS - Valores Iniciales de los parámtros del modelo MLG

Devuelve una matriz de celdas para una estimación inicial (no óptima) de los modelos de los parámetros.

Sintaxis

Y

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

X

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

Phi

es el parámetro de dispersión GLM. Phi es unicamente signifivativo para Binomial (tamaño de lote 1 o tamaño de ensayo) y para varianza Gaussiana.

Valor	Phi
Gaussian	Varianza.
Poisson	1.0.
Binomial	Recíproco del lote/tamano de ensayo).

Lvk

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

Valor	Lvk
1	Identidad (Residuales ~ Distribución Normal) (por defecto).
2	Log (Residuales ~ Distribución Poisson).
3	Logit (Residuales ~ Distribución Binomial).
4	Probit (Residuales ~ Distribución Binomial).
5	Log-Log Complementario (Residuales ~ Distribución Binomial).

Observaciones

1. El modelo subyacente se describe aquí.
2. GLM_GUESS devuelve un array/matriz de un tamaño igual al número de betas más un (Phi).
3. El número de filas en respuesta a la variable (Y) debe ser igual al número de filas de las variables explicatoras (X).
4. 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.
5. 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).
6. 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.