calcula la desviación estándar (sigma de los terminos de errores (epsilon)) del modelo MLG; dados los valores de las variables explicatorias.
Sintaxis
X es la matriz de datos de variables independientes,cada columna representa una variable.
Betas son los coeficientes de las variables explicatorias (una mattriz/array 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.
| 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) |
alpha es el nivel de significancia estadistcia. Si falta, se asume un defecto de 5%.
upper si es verdadero, devuelve un límite superior del intervalo de confianza. De otra manera, devuelve el límite inferior.
| superior | descripción |
|---|---|
| 0 | devuelve límite inferior |
| 1 | devuelve límite superior |
Observaciones
- El modelo subyacente se describe aquí.
- GLM_FORECI devuelve un array/matriz de igual al número de filas en la respuesta de entrada (Y) o variables explicatorias (X).
- El número de filas en respuesta a la variable (Y) debe ser igual al número de filas de las variables explicatoras (X)
- Las betas de entrada son opcionales, pero si el usuario provee una, el número de betas debe ser igual al número de variables explicatorias(Es decir, X) más uno (el intercepto).
- 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.