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 la variable explicatoria (una matriz unidimensional de celdas (Ej. filas o columnas)).

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).

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.

Valor	Upper
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

Enlaces Relacionados

• Wikipedia - Intervalo de confianza.
• 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.