calcula la desviación estándar (sigma) de los termisnos de error (epsilon) en el modelo dado MLG.
Sintaxis
GLM_VOL(X, Betas, Phi, Lvk)
- 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).
Observaciones
- El modelo subyacente se describe aquí.
- GLM_VOL devuelve un array/matriz de tamaño igual al número de filas en las filas en las respuestas de entrada (Y) o variables explicativas (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
Enlaces Relacionados
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.