GLM_CALIBRATE- Computa la máxima probabilidad estimada (MLE)

computa la máxima probabilidad estimada (MLE) de los parámetros del modelo.

Sintaxis

GLM_CALIBRATE (Y, X, Betas, Phi, Lvk, MaxIter)

Y

es la respuesta o matriz de datos de varaiables dependientes (una matriz/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 valores de los coeficientes del modelo GLM (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/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).

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).

MaxIter

es el máximo número de iteraciones usados para calibrar el modelo. Si falta, se sume por defecto un máximo de 100.

Observaciones

1. El modelo subyacente se describe aquí.
2. Valores faltantes (Ej. #N/A!) no son permitidos en cualquier respuesta (Y) o matrices de entrada explicatorias.
3. El número máximo de iteraciones de entrada debe ser mayor que uno.
4. El número de filas en respuesta a la variable (Y) debe ser igual al número de filas de las variables explicatoras (X).
5. 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).
6. Para GLM con distribución de Poisson,
   • Los valores de la variable de respuesta deben ser números enteros no- negativos.
   • El valor del factor de dispersion (Phi) debe ser ya sea faltante o igual a uno.
7. Para GLM con distribución Binomial,
   • Los valores de la variable respuesta deben ser una fracción no negativa entre cero y uno, inclusive.
   • El valor del factor de dispersion (Phi) debe ser una fracción positiva (mayores que cero y menor que uno)
8. Para la distribución MLG con distribución Gausssiana, el coeficiente de dispersión (Phi) debe ser un valor faltante o un valor positivo.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Fisher information.
• 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.