PCR_PARAM - Coeficientes de PCR

Calcula valores de los coeficeintes de regresión para las variables de entrada dados.

Sintaxis

PCR_PARAM (X, Mask, Y, Intercept, Return, Parameter Index, Alpha)

X

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

Mask

es la matriz booleana para escoger variables explicativas en el modelo. Si falta, todas las variables en X son incluidas.

Y

es la respuesta o array de datos de variables dependientes (un array unidimensional de celdas (Ej. filas o columnas)).

Intercept

es la constante o el valor del intercepto para corregir (Ej. cero). Si falta, un intercepto no será corregido y sera calculado normalmente.

Return

es un switch para seleccionar las salidas de respuesta (1 = Valor (por defecto), 2 = Error Std., 3 = Valor T-Estadístico, 4 = Valor P, 5 = Límite Superior (CI), 6 = Límite Inferior (CI)).

Valor	Return
1	Valor de la media (por defecto).
2	Error estándar.
3	Valor T- estadístico.
4	Valor P.
5	Límite superior.
6	Límite inferior.

Parameter Index

es un switch para designar el parametro objetivo (0 = intercepto (defecto), 1 = primera variable, 2 = 2da variable, etc.).

Alpha

es la significancia estadística de la prueba (Ej. alpha). Si falta o es omitida, se toma un valor alpha de 5%.

Observaciones

1. El modelo subyacente se describe aquí.
2. $\mathbf{y} = \mathbf{X}\boldsymbol\beta + \boldsymbol\varepsilon$. $$\hat{\boldsymbol\beta} = (\mathbf{X}^{\rm T}\mathbf{X})^{-1} \mathbf{X}^{\rm T}\mathbf{y} = \big(\, \tfrac{1}{n}{\textstyle\sum} \mathbf{x}_i \mathbf{x}^{\rm T}_i \,\big)^{-1} \big(\, \tfrac{1}{n}{\textstyle\sum} \mathbf{x}_i y_i \,\big)$$ Donde:
   • $\hat{\boldsymbol\beta}$ es el coeficiente de regresión estimado.
3. Los datos de la muestra pueden incluir valores faltantes.
4. Cada columna en la matriz corresponde a una variable independiente.
5. Cada fila en la matriz de entrada corresponde a una observación.
6. Observaciones (Ej.filas) con valores faltantes en X o Y son eliminados.
7. Observaciones (Ej.filas) con valores faltantes en X o Y son eliminados.
8. La función MLR_PARAM está disponible comenzando con la versión 1.60 APACHE.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Linear regression.
• Wikipedia - Regression analysis.
• Wikipedia - Ordinary least squares.

Referencias

• Hamilton, J.D.; Time Series Analysis, Princeton University Press (1994), ISBN 0-691-04289-6.
• Kenney, J. F. and Keeping, E. S. (1962) "Linear Regression and Correlation." Ch. 15 in Mathematics of Statistics, Pt. 1, 3rd ed. Princeton, NJ: Van Nostrand, pp. 252-285.