computa la máxima probabilidad estimada (MLE) de los parámetros del modelo.
Sintaxis
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 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.
| Distribución | PHI |
|---|---|
| Gaussian | Varianza |
| Poisson | 1.0 |
| Binomial | Recíproco del lote/tamaño de ensayo) |
| Distribution | PHI |
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) |
maxIter es el máximo número de iteraciones usados para calibrar el modelo. Si falta, se sume por defecto un máximo de 100.
Observaciones
- El modelo subyacente se describe aquí.
- Valores faltantes (Ej. #N/A!) no son permitidos en cualquier respuesta (Y) o matrices de entrada explicatorias.
- El número máximo de iteraciones de entrada debe ser mayor que uno.
- 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 dispersion (Phi) debe ser ya sea faltante o igual a uno.
- 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)
- Para la distribución MLG con distribución Gausssiana, el coeficiente de dispersión (Phi) debe ser un valor faltante o un valor positivo.
Ejemplos de archivos
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.