GLM_FORECI -Intervalo de confianza del pronóstico MLG

calcula la desviación estándar (sigma de los terminos de errores (epsilon)) del modelo MLG; dados los valores de las variables explicatorias.

 

Sintaxis

GLM_FORECI(X, Betas, Phi, Lvk, alpha, upper)

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

  1. El modelo subyacente se describe aquí.
  2. GLM_FORECI devuelve un array/matriz de igual al número de filas en la respuesta de entrada (Y) o variables explicatorias (X).
  3. El número de filas en respuesta a la variable (Y) debe ser igual al número de filas de las variables explicatoras (X)
  4. 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).
  5. 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.
  6. 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).
  7. Para la distribución MLG con distribución Gausssiana,el valor del factor de dispersión (Phi) debe ser positivo.

Ejemplos de archivos

Referencias

¿Tiene más preguntas? Enviar una solicitud

0 Comentarios