GLM_FORE - Pronóstico MLG

Mohamad

27 de octubre de 2016 17:28

calcula el valor de la respuesta esperada (Ej. media); dado el modelo GLM y los valores de las variables explicatorias.

Sintaxis

GLM_FORE(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 mattriz/array unidimensional de celdas (Ej. filas o columnas)).

Phi

es el parámetro de dispersión MLG.

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)

El modelo subyacente se describe aquí.
EL argumento de entrada - Phi - es unicamente significativo para (1/lote o tamaño de ensayo) Binomial o para la varianza Gaussiana.
GLM_FORE 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 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.

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