calcula el valor de respuesta esperada (Es decir, media); dado el modelo GLM y los valores de las variables explicatorias.
Sintaxis
GLM_MEAN(X, Betas, Phi, Lvk)
- X
- es la matriz de datos de variables independientes,cada columna representa una variable.
- Betas
- son los coeficientes de las variables explicatorias (una matriz 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)
Observaciones
- El modelo subyacente se describe aquí.
- GLM_ MEAN devuelve un array/matriz de de igual tamaño al número de filas en la respuesta de entrada (Y) o variables explicatorias (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 GLM con distribución Venenosa,
- 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 GLM con distribución de Poisson,
- 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 GLM 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.