Devuelve una matriz de celdas para una estimación inicial (no óptima) de los modelos de los parámetros.
Sintaxis
GLM_GUESS(Y, X, Phi, Lvk)
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 significativo para (1/lote o tamaño de ensayo) Binomial o para la varianza Gaussiana.
Distribución | PHI |
---|---|
Gaussian | Varianza |
Poisson | 1.0 |
Binomial | Recíproco del lote/tamaño de ensayo) |
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).
Link | Descripción |
---|---|
1 | Identidad (residuales ~ Distribución Normal) |
2 | Log (residuales ~ Distribución Poisson) |
3 | Logit (residuales ~ Distribución Binomial) |
4 | Probit(residuales ~ Distribución Binomial) |
5 | Log-Log Complementario (residuales ~ Distribución Binomial) |
Observaciones
- El modelo subyacente se describe aquí.
- GLM_GUESS devuelve un array/matriz de un tamaño igual al número de betas más un (Phi).
- El número de filas en respuesta a la variable (Y) debe ser igual al número de filas de las variables explicatoras (X).
- 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.
- 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).
- Para la distribución MLG con distribución Gausssiana,el valor del factor de dispersión (Phi) debe ser positivo.
Ejemplos de archivos
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
Comentarios
El artículo está cerrado para comentarios.