GLM_LLF - Funcion de Log Verosimilitud MLG

Calcula la función de log verosimilitud (LLF) del modelo MLG.

Sintaxis

GLM_LLF (Y, X, Betas, Phi, Lvk)

Y

es la respuesta o la matriz de datos variable dependiente (una mattriz/array unidimensional de celdas (Ej. filas o columnas)).

X

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

Betas

son los coeficientes del modelo GML (una matriz 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.

Value	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 (por defecto), 2 = Log, 3 = Logit, 4 = Probit, 5 = Log-Log).

Value	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

1. El modelo subyacente se describe aquí.
2. Valores faltantes (Ej. #N/A!) no son permitidos en cualquier respuesta (Y) o en las matrices de entrada explicativas.
3. El número de filas en respuesta a la variable (Y) debe ser igual al número de filas de las variables explicatoras (X).
4. El número de betas debe ser igual al número de variables explicativas (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 - Función de verosimilitud.
• Wikipedia - Likelihood principle.
• 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.