PCA_VAR - Estimacion de variables de entrada con ACP

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

Mask es una matriz boolena para seleccionar un subconjunto de variables de entrada en X. Si falta, todas las variables en X son incluidas.

Standardize es una bandera o switch para estandarizar las variables de entrada previo al análisis (Ej. estandarizado = 1 (defecto), restar la media = 2)).

Number es el número de la variable de entrada is the input variable number.

Number of PC es el número de componenetes principales (CP) a incluir. Si falta o es cero, todos los componentes serán usados.

Return_type es un switch para seleccionar la salida de los resultados (1 = Comunalidad Final (defecto), 2 = carga o peso, 3 = valores ajustados, 4 = residuales).

1. El modelo subyacente se describe aquí.
2. La función PCA_VAR debe ser ingresada como un formula matricial (para otros tipos de resultados diferentes a 1) en un rango que tiene filas asi como el número de variables (tipo de retorno = 2) o el número de observaciones (tipo de retorno > 2).
3. Los datos de la muestra pueden incluir valores faltantes.
4. Cada columna en la matriz de datos corresponde a una variable separada.
5. Cada fila en la matriz de entrada corresponde a una observación.
6. Observaciones (Ej. filas) con valores faltantes son removidos.
7. La función PC_VAR está disponible comenzando con la versión 1.60 APACHE.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Principal component analysis
• Wikipedia - Regression analysis
• Wikipedia - Ordinary least squares

Referencias

• J. Edward Jackson; A User's Guide to Principal Components ; Wiley-Interscience; (Sep 10, 2003), ISBN: 471471348
• I.T. Jolliffe; Principal Component Analysis; Springer; 2nd Edition(Oct 01, 2002), ISBN: 0387954422
• John Y. Campbell, Andrew W. Lo, A. Craig MacKinlay, Andrew Y. Lo; The Econometrics of Financial Markets; Princeton University Press; 2nd edition(Dec 09, 1996), ISBN: 691043019
• 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