GeneralizedLinearModelGydF4y2Ba

广义线性回归模型类GydF4y2Ba

描述GydF4y2Ba

GeneralizedLinearModelGydF4y2Ba是一个拟合的广义线性回归模型。广义线性回归模型是一种专用的非线性模型，描述响应和预测器之间的非线性关系。广义线性回归模型具有线性回归模型的广义特征。响应变量遵循正常，二项式，泊松，伽马或逆高斯分布，参数包括平均响应GydF4y2BaμGydF4y2Ba.链接功能GydF4y2BaFGydF4y2Ba定义之间的关系GydF4y2BaμGydF4y2Ba以及预测因子的线性组合。GydF4y2Ba

使用GydF4y2BaGeneralizedLinearModelGydF4y2Ba摘要目的探讨一种拟合的广义线性回归模型。对象属性包括关于系数估计、汇总统计、拟合方法和输入数据的信息。使用对象函数来预测响应、修改、评估和可视化模型。GydF4y2Ba

创建GydF4y2Ba

创建一个GydF4y2BaGeneralizedLinearModelGydF4y2Ba对象的使用GydF4y2BafitglmGydF4y2Ba或GydF4y2Ba逐步GLMGydF4y2Ba．GydF4y2Ba

fitglmGydF4y2Ba使用固定的模型规范对数据拟合广义线性回归模型。使用GydF4y2Baaddterms.GydF4y2Ba那GydF4y2Ba移除GydF4y2Ba,或GydF4y2Ba步GydF4y2Ba从模型中添加或删除术语。另外,使用GydF4y2Ba逐步GLMGydF4y2Ba用逐步广义线性回归拟合模型。GydF4y2Ba

性质GydF4y2Ba

全部展开GydF4y2Ba

系数估计GydF4y2Ba

`CoefficientCovarianceGydF4y2Ba`-GydF4y2Ba系数估计的协方差矩阵GydF4y2Ba
数字矩阵GydF4y2Ba

此属性是只读的。GydF4y2Ba

系数估计的协方差矩阵，指定为GydF4y2BaP.GydF4y2Ba——- - - - - -GydF4y2BaP.GydF4y2Ba数值矩阵。GydF4y2BaP.GydF4y2Ba为拟合模型中系数的个数。GydF4y2Ba

有关详细信息,请参见GydF4y2Ba标准误差和置信区间GydF4y2Ba．GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

`CoefficientNamesGydF4y2Ba`-GydF4y2Ba系数的名字GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

此属性是只读的。GydF4y2Ba

系数名称，指定为字符向量的单元数组，每个包含相应项的名称。GydF4y2Ba

数据类型:GydF4y2Ba细胞GydF4y2Ba

`系数GydF4y2Ba`-GydF4y2Ba系数值GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

系数值，指定为表。GydF4y2Ba系数GydF4y2Ba包含每行系数和这些列:GydF4y2Ba

估计GydF4y2Ba-估计系数值GydF4y2Ba
SEGydF4y2Ba-估计的标准误差GydF4y2Ba
tStatGydF4y2Ba-GydF4y2BaT.GydF4y2Ba用于测试系数为零的测试GydF4y2Ba
pValueGydF4y2Ba-GydF4y2BaP.GydF4y2Ba-价值观GydF4y2BaT.GydF4y2Ba-统计数字GydF4y2Ba

使用GydF4y2BacoefTestGydF4y2Ba对系数进行线性假设检验。使用GydF4y2BaCOEFCI.GydF4y2Ba找出系数估计的置信区间。GydF4y2Ba

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，得到模型中估计的系数向量GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

β= mdl.Coefficients.EstimateGydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

`numcoffients.GydF4y2Ba`-GydF4y2Ba模型系数数GydF4y2Ba
正整数GydF4y2Ba

此属性是只读的。GydF4y2Ba

模型系数的数目，指定为正整数。GydF4y2Banumcoffients.GydF4y2Ba包括当模型项缺乏等级时设置为零的系数。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`最大激励效率GydF4y2Ba`-GydF4y2Ba估计系数数GydF4y2Ba
正整数GydF4y2Ba

此属性是只读的。GydF4y2Ba

模型中的估计系数数，指定为正整数。GydF4y2Ba最大激励效率GydF4y2Ba不包括当模型项秩不足时设置为零的系数。GydF4y2Ba最大激励效率GydF4y2Ba是回归的自由度。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

摘要统计信息GydF4y2Ba

`偏常GydF4y2Ba`-GydF4y2Ba异常的配合GydF4y2Ba
数值GydF4y2Ba

此属性是只读的。GydF4y2Ba

用数值指定的配合偏差。当一个模型是另一个模型的特例时，偏差对于比较两个模型是有用的。两模型偏差的差值具有卡方分布，其自由度等于两模型间估计参数数的差值。有关更多信息，请参见GydF4y2Ba偏常GydF4y2Ba．GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

`DFE.GydF4y2Ba`-GydF4y2Ba误差自由度GydF4y2Ba
正整数GydF4y2Ba

此属性是只读的。GydF4y2Ba

误差（残差）的自由度，等于观测数减去估计系数数，指定为正整数。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`诊断学GydF4y2Ba`-GydF4y2Ba观察诊断GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

观察诊断，指定为包含每个观察的一行的表和本表中描述的列。GydF4y2Ba

柱GydF4y2Ba	意义GydF4y2Ba	描述GydF4y2Ba
`利用GydF4y2Ba`	对角元素的GydF4y2Ba`哈特矩阵GydF4y2Ba`	`利用GydF4y2Ba`对于每一个观察表明，在何种程度上的拟合是由观察的预测值决定的。接近于GydF4y2Ba`1GydF4y2Ba`表明拟合在很大程度上取决于该观察结果，而其他观察结果的贡献很小。接近于GydF4y2Ba`0.GydF4y2Ba`表明拟合在很大程度上取决于其他观察结果。对于一个具有GydF4y2Ba`P.GydF4y2Ba`系数和GydF4y2Ba`N.GydF4y2Ba`观测值，平均值GydF4y2Ba`利用GydF4y2Ba`是GydF4y2Ba`P / NGydF4y2Ba`．一种GydF4y2Ba`利用GydF4y2Ba`值大于GydF4y2Ba`2 * P / NGydF4y2Ba`表明高杠杆。GydF4y2Ba
`CooksDistanceGydF4y2Ba`	库克距离的比例变化的拟合值GydF4y2Ba	`CooksDistanceGydF4y2Ba`是对拟合值按比例变化的度量。一个观察GydF4y2Ba`CooksDistanceGydF4y2Ba`库克距离可能是一个异常值。GydF4y2Ba
`哈特矩阵GydF4y2Ba`	投影矩阵，以计算拟合的观测响应GydF4y2Ba	`哈特矩阵GydF4y2Ba`是一个GydF4y2Ba`N.GydF4y2Ba`——- - - - - -GydF4y2Ba`N.GydF4y2Ba`矩阵这样GydF4y2Ba`安装= HatMatrix * YGydF4y2Ba`,在那里GydF4y2Ba`yGydF4y2Ba`是响应矢量和GydF4y2Ba`安装GydF4y2Ba`为拟合响应值的向量。GydF4y2Ba

该软件计算这些值的规模上的线性组合的预测，存储在GydF4y2BaLinearPredictorGydF4y2Ba场的GydF4y2Ba安装GydF4y2Ba和GydF4y2Ba残差GydF4y2Ba属性。例如，软件利用模型的拟合响应和调整响应值来计算诊断值GydF4y2BamdlGydF4y2Ba．GydF4y2Ba

Yfit = mdl.fitted.linearpredictor yadjusted = mdl.fitted.linearpredictor + mdl.residuals.linearpredictorGydF4y2Ba

诊断学GydF4y2Ba包含有助于发现异常值和有影响的观察结果的信息。有关详细信息，请参见GydF4y2Ba利用GydF4y2Ba那GydF4y2Ba库克的距离GydF4y2Ba,GydF4y2Ba帽子矩阵GydF4y2Ba．GydF4y2Ba

使用GydF4y2BaplotDiagnosticsGydF4y2Ba绘制观察诊断图。GydF4y2Ba

由于缺少值而未在适合中使用的行(在GydF4y2BaObservationInfo。失踪GydF4y2Ba)或排除的值（在GydF4y2BaObservationInfo。被排除在外GydF4y2Ba)包含GydF4y2Ba南GydF4y2Ba价值在GydF4y2BaCooksDistanceGydF4y2Ba列和0GydF4y2Ba利用GydF4y2Ba和GydF4y2Ba哈特矩阵GydF4y2Ba列。GydF4y2Ba

要以数组的形式获取这些列中的任何一列，请使用点表示法对属性进行索引。例如，获取模型中的hat矩阵GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

HatMatrix = mdl.Diagnostics.HatMatrix;GydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

`分散GydF4y2Ba`-GydF4y2Ba响应方差的标度因子GydF4y2Ba
数字标量GydF4y2Ba

此属性是只读的。GydF4y2Ba

响应方差的比例因子，指定为数字标量。GydF4y2Ba

如果GydF4y2Ba“DispersionFlag”GydF4y2Ba的名称-值对参数GydF4y2BafitglmGydF4y2Ba或GydF4y2Ba逐步GLMGydF4y2Ba是GydF4y2Ba真正的GydF4y2Ba，然后该函数估计GydF4y2Ba分散GydF4y2Ba计算响应方差的比例因子。响应的方差等于理论方差乘以尺度因子。例如，二项分布的方差函数是GydF4y2BaP.GydF4y2Ba(1 -GydF4y2BaP.GydF4y2Ba)/GydF4y2BaNGydF4y2Ba,在那里GydF4y2BaP.GydF4y2Ba概率参数是和吗GydF4y2BaNGydF4y2Ba为样本容量参数。如果GydF4y2Ba分散GydF4y2Ba近了GydF4y2Ba1GydF4y2Ba，数据的方差似乎与二项分布的理论方差一致。如果GydF4y2Ba分散GydF4y2Ba大于GydF4y2Ba1GydF4y2Ba，数据集是相对于二项式分布的“过度分支”。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`dispersialestimated.GydF4y2Ba`-GydF4y2Ba表示使用分散比例因子的标志GydF4y2Ba
逻辑值GydF4y2Ba

此属性是只读的。GydF4y2Ba

标记以指示是否GydF4y2BafitglmGydF4y2Ba使用GydF4y2Ba分散GydF4y2Ba比例因子来计算系数的标准误差GydF4y2Ba系数。SEGydF4y2Ba，指定为逻辑值。如果GydF4y2Badispersialestimated.GydF4y2Ba是GydF4y2Ba假GydF4y2Ba那GydF4y2BafitglmGydF4y2Ba使用方差的理论值。GydF4y2Ba

dispersialestimated.GydF4y2Ba可以GydF4y2Ba假GydF4y2Ba仅适用于二项分布和泊松分布。GydF4y2Ba
集GydF4y2Badispersialestimated.GydF4y2Ba通过设置GydF4y2Ba“DispersionFlag”GydF4y2Ba的名称-值对参数GydF4y2BafitglmGydF4y2Ba或GydF4y2Ba逐步GLMGydF4y2Ba．GydF4y2Ba

数据类型:GydF4y2Ba逻辑GydF4y2Ba

`安装GydF4y2Ba`-GydF4y2Ba根据输入数据拟合响应值GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

根据输入数据拟合(预测)值，指定为一个表，其中包含每个观测的一行和该表中描述的列。GydF4y2Ba

柱GydF4y2Ba	描述GydF4y2Ba
`响应GydF4y2Ba`	响应量表上的预测值GydF4y2Ba
`LinearPredictorGydF4y2Ba`	预测预测器的线性组合规模的预测值（与应用于的链路功能相同GydF4y2Ba`响应GydF4y2Ba`拟合值)GydF4y2Ba
`概率GydF4y2Ba`	拟合概率(仅包含在二项分布中)GydF4y2Ba

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，获取向量GydF4y2BaFGydF4y2Ba模型中响应尺度上的拟合值GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

f=mdl.Fitted.ResponseGydF4y2Ba

使用GydF4y2Ba预测GydF4y2Ba计算对其他预测值的预测，或计算置信范围GydF4y2Ba安装GydF4y2Ba．GydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

`LogLikelihoodGydF4y2Ba`-GydF4y2BaloglikelihieGydF4y2Ba
数值GydF4y2Ba

此属性是只读的。GydF4y2Ba

在响应值处模型分布的对数似然性，指定为数值。平均值是根据模型拟合的，其他参数是作为模型拟合的一部分估计的。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

`ModelCriterionGydF4y2Ba`-GydF4y2Ba模型比较标准GydF4y2Ba
结构GydF4y2Ba

此属性是只读的。GydF4y2Ba

模型比较标准，指定为具有以下字段的结构：GydF4y2Ba

另类投资会议GydF4y2Ba-赤池信息准则。GydF4y2BaAIC = -2 *logL + 2*mGydF4y2Ba,在那里GydF4y2BalogLGydF4y2Baloglikelihood和GydF4y2BamGydF4y2Ba为估计参数的个数。GydF4y2Ba
AICcGydF4y2Ba-赤池信息标准修正的样本量。GydF4y2BaAIC = AIC + (2*m*(m + 1))/(n - m - 1)GydF4y2Ba,在那里GydF4y2BaNGydF4y2Ba是观察数。GydF4y2Ba
BIC.GydF4y2Ba-贝叶斯信息准则。GydF4y2BaBIC = -2 *logL + m*log(n)GydF4y2Ba．GydF4y2Ba
中安集团经贸GydF4y2Ba-一致信息标准。GydF4y2BaCAIC=–2*logL+m*（对数（n）+1）GydF4y2Ba．GydF4y2Ba

信息标准是模型选择工具，可用于比较适合同一数据的多个模型。这些标准是基于可能性的模型拟合度量，包括对复杂性（特别是参数数量）的惩罚。不同的信息标准因处罚的形式而不同。GydF4y2Ba

当比较多个模型时，信息准则值最低的模型是拟合最好的模型。最佳拟合模型可以根据模型比较所用的标准而变化。GydF4y2Ba

要获取标量形式的任何标准值，请使用点表示法在属性中建立索引。例如，获取AIC值GydF4y2Ba另类投资会议GydF4y2Ba在模型中GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

aic=mdl.modelCriteria.aicGydF4y2Ba

数据类型:GydF4y2Ba塑造GydF4y2Ba

`残差GydF4y2Ba`-GydF4y2Ba拟合模型的残差GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

拟合模型的残差，指定为一个表，其中包含每个观测的一行和表中描述的列。GydF4y2Ba

柱GydF4y2Ba	描述GydF4y2Ba
`生的GydF4y2Ba`	观测减拟合值GydF4y2Ba
`LinearPredictorGydF4y2Ba`	线性预测量表上的残差，等于调整后的响应值减去预测量的拟合线性组合GydF4y2Ba
`皮尔森GydF4y2Ba`	原始残差除以响应的估计标准差GydF4y2Ba
`安斯科姆GydF4y2Ba`	在转换的数据上定义的残差与所选变换以删除偏斜度GydF4y2Ba
`偏常GydF4y2Ba`	残差基于每个观测值对偏差的贡献GydF4y2Ba

由于缺少值而未在适合中使用的行(在GydF4y2BaObservationInfo。失踪GydF4y2Ba)包含GydF4y2Ba南GydF4y2Ba值。GydF4y2Ba

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，获得普通的原始残余载体GydF4y2BaR.GydF4y2Ba在模型中GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

r = mdl.Residuals.RawGydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

`RsquaredGydF4y2Ba`-GydF4y2Ba模型的R平方值GydF4y2Ba
结构GydF4y2Ba

此属性是只读的。GydF4y2Ba

模型的r平方值，指定为具有五个字段的结构:GydF4y2Ba

普通的GydF4y2Ba-普通（未调整）R平方GydF4y2Ba
调整GydF4y2Ba- r平方调整系数的数量GydF4y2Ba
LLRGydF4y2Ba-对数似然比GydF4y2Ba
偏常GydF4y2Ba——异常GydF4y2Ba
兼职GydF4y2Ba-调整广义r平方GydF4y2Ba

r平方值是模型所解释的总平方和的比例。一般的r平方值与GydF4y2Ba苏维埃社会主义共和国GydF4y2Ba和GydF4y2Ba风场GydF4y2Ba属性:GydF4y2Ba

Rsquared = SSR /风场GydF4y2Ba

要将任何这些值作为标量，请使用点表示法索引到属性中。例如，在模型中获得调整后的R线值GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

r2 = mdl.Rsquared.AdjustedGydF4y2Ba

数据类型:GydF4y2Ba塑造GydF4y2Ba

`上交所GydF4y2Ba`-GydF4y2Ba误差平方和GydF4y2Ba
数值GydF4y2Ba

此属性是只读的。GydF4y2Ba

误差的平方和(残差)，指定为一个数值。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

`苏维埃社会主义共和国GydF4y2Ba`-GydF4y2Ba回归平方和GydF4y2Ba
数值GydF4y2Ba

此属性是只读的。GydF4y2Ba

回归平方和，指定为一个数值。回归平方和等于拟合值离均值的方差平方和。GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

`风场GydF4y2Ba`-GydF4y2Ba总平方和GydF4y2Ba
数值GydF4y2Ba

此属性是只读的。GydF4y2Ba

总平方和，指定为数值。总平方和等于响应向量的偏差平方和GydF4y2BayGydF4y2Ba从GydF4y2Ba意思是（y）GydF4y2Ba．GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba

合适的信息GydF4y2Ba

`台阶GydF4y2Ba`-GydF4y2Ba分段拟合的信息GydF4y2Ba
结构GydF4y2Ba

此属性是只读的。GydF4y2Ba

逐步拟合信息，指定为具有表中所述字段的结构。GydF4y2Ba

场GydF4y2Ba	描述GydF4y2Ba
`开始GydF4y2Ba`	表示起始模型的公式GydF4y2Ba
`降低GydF4y2Ba`	表示下界模型的公式。的条款GydF4y2Ba`降低GydF4y2Ba`必须保持在模型中。GydF4y2Ba
`上GydF4y2Ba`	表示上限模型的公式。该模型不能包含超过GydF4y2Ba`上GydF4y2Ba`．GydF4y2Ba
`标准GydF4y2Ba`	准则用于逐步算法，如GydF4y2Ba`上交所的GydF4y2Ba`
`被关闭的GydF4y2Ba`	阈值GydF4y2Ba`标准GydF4y2Ba`添加一个术语GydF4y2Ba
`PRemoveGydF4y2Ba`	阈值GydF4y2Ba`标准GydF4y2Ba`去掉一个词GydF4y2Ba
`历史GydF4y2Ba`	表中表示在适合的步骤GydF4y2Ba

这GydF4y2Ba历史GydF4y2Ba表为每个步骤包含一行，包括初始匹配和表中描述的列。GydF4y2Ba

柱GydF4y2Ba	描述GydF4y2Ba
`行动GydF4y2Ba`	步骤中采取的行动:GydF4y2Ba `'开始'GydF4y2Ba`——第一步GydF4y2Ba `“添加”GydF4y2Ba`—添加新术语GydF4y2Ba `“删除”GydF4y2Ba`—删除一个术语GydF4y2Ba
`TermNameGydF4y2Ba`	如果GydF4y2Ba`行动GydF4y2Ba`是GydF4y2Ba`'开始'GydF4y2Ba`那GydF4y2Ba`TermNameGydF4y2Ba`指定起始模型规范。GydF4y2Ba 如果GydF4y2Ba`行动GydF4y2Ba`是GydF4y2Ba`“添加”GydF4y2Ba`或GydF4y2Ba`“删除”GydF4y2Ba`那GydF4y2Ba`TermNameGydF4y2Ba`指定在步骤中添加或删除的术语。GydF4y2Ba
`条款GydF4y2Ba`	的模型规范GydF4y2Ba术语矩阵GydF4y2Ba
`DF.GydF4y2Ba`	阶跃后的回归自由度GydF4y2Ba
`达尔德夫GydF4y2Ba`	与上一步相比，回归自由度的变化(对于删除一项的步骤为负)GydF4y2Ba
`偏常GydF4y2Ba`	步长偏差(残差平方和)(仅适用于广义线性回归模型)GydF4y2Ba
`函数GydF4y2Ba`	FGydF4y2Ba-导致该步骤的统计数据GydF4y2Ba
`PValueGydF4y2Ba`	P.GydF4y2Ba价值的GydF4y2BaFGydF4y2Ba-统计数字GydF4y2Ba

除非使用逐步回归，否则结构为空。GydF4y2Ba

数据类型:GydF4y2Ba塑造GydF4y2Ba

输入数据GydF4y2Ba

`分配GydF4y2Ba`-GydF4y2Ba广义分布信息GydF4y2Ba
结构GydF4y2Ba

此属性是只读的。GydF4y2Ba

通用分布信息，指定为具有表中所述字段的结构。GydF4y2Ba

场GydF4y2Ba	描述GydF4y2Ba
`名称GydF4y2Ba`	发行名称:GydF4y2Ba`“正常”GydF4y2Ba`那GydF4y2Ba`“二”GydF4y2Ba`那GydF4y2Ba`“泊松”GydF4y2Ba`那GydF4y2Ba`“伽马”GydF4y2Ba`,或GydF4y2Ba`逆高斯分布的GydF4y2Ba`
`偏差函数GydF4y2Ba`	作为拟合参数值和响应值的函数，计算偏差分量的函数GydF4y2Ba
`VarianceFunctionGydF4y2Ba`	作为拟合参数值的函数，计算分布的理论方差的函数。当GydF4y2Ba`dispersialestimated.GydF4y2Ba`是GydF4y2Ba`真正的GydF4y2Ba`那GydF4y2Ba`分散GydF4y2Ba`在计算系数标准误差时乘方差函数。GydF4y2Ba

数据类型:GydF4y2Ba塑造GydF4y2Ba

`公式GydF4y2Ba`-GydF4y2Ba模型信息GydF4y2Ba
`LinearFormulaGydF4y2Ba`目的GydF4y2Ba

此属性是只读的。GydF4y2Ba

模型信息，指定为GydF4y2BaLinearFormulaGydF4y2Ba对象。GydF4y2Ba

显示拟合型号的公式GydF4y2BamdlGydF4y2Ba使用点符号:GydF4y2Ba

mdl。F或mula

`链接GydF4y2Ba`-GydF4y2Ba链接功能GydF4y2Ba
结构GydF4y2Ba

此属性是只读的。GydF4y2Ba

链接函数，指定为具有本表中描述的字段的结构。GydF4y2Ba

场GydF4y2Ba	描述GydF4y2Ba
`名称GydF4y2Ba`	链接函数的名称，指定为字符向量。如果使用函数句柄指定链接函数，则GydF4y2Ba`名称GydF4y2Ba`是GydF4y2Ba`＇＇GydF4y2Ba`．GydF4y2Ba
`LinkFunctionGydF4y2Ba`	函数GydF4y2BaFGydF4y2Ba它定义link函数，并指定为函数句柄GydF4y2Ba
`偏差函数GydF4y2Ba`	的导数GydF4y2BaFGydF4y2Ba，指定为函数句柄GydF4y2Ba
`VarianceFunctionGydF4y2Ba`	逆GydF4y2BaFGydF4y2Ba，指定为函数句柄GydF4y2Ba

链接功能是一个函数GydF4y2BaFGydF4y2Ba连接分布参数GydF4y2BaμGydF4y2Ba适用于拟合的线性组合GydF4y2BaXbGydF4y2Ba预测:GydF4y2Ba

FGydF4y2Ba（GydF4y2BaμGydF4y2Ba) =GydF4y2BaXbGydF4y2Ba．GydF4y2Ba

数据类型:GydF4y2Ba塑造GydF4y2Ba

`numobservations.GydF4y2Ba`-GydF4y2Ba数量的观察GydF4y2Ba
正整数GydF4y2Ba

此属性是只读的。GydF4y2Ba

拟合中使用的拟合函数的观测数，指定为正整数。GydF4y2Banumobservations.GydF4y2Ba原始表、数据集或矩阵中提供的观察数是否减去任何排除的行(用GydF4y2Ba“排除”GydF4y2Ba名称-值对参数)或缺少值的行。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`NumPredictorsGydF4y2Ba`-GydF4y2Ba预测变量数GydF4y2Ba
正整数GydF4y2Ba

此属性是只读的。GydF4y2Ba

用于拟合模型的预测变量数，指定为正整数。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`数变量GydF4y2Ba`-GydF4y2Ba变量数量GydF4y2Ba
正整数GydF4y2Ba

此属性是只读的。GydF4y2Ba

输入数据中的变量数，指定为正整数。GydF4y2Ba数变量GydF4y2Ba是原始表或数据集中的变量数，或预测器矩阵和响应矢量中的列总数。GydF4y2Ba

数变量GydF4y2Ba还包括任何不用于将模型作为预测器或响应拟合模型的变量。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`观测信息GydF4y2Ba`-GydF4y2Ba观测信息GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

观测信息，指定为GydF4y2BaNGydF4y2Ba-by-4表，在哪里GydF4y2BaNGydF4y2Ba等于输入数据的行数。GydF4y2Ba观测信息GydF4y2Ba包含该表中描述的列。GydF4y2Ba

柱GydF4y2Ba	描述GydF4y2Ba
`重量GydF4y2Ba`	观察权值，指定为数值。默认值为GydF4y2Ba`1GydF4y2Ba`．GydF4y2Ba
`被排除在外GydF4y2Ba`	排除观察的指标，指定为逻辑值。价值是GydF4y2Ba`真正的GydF4y2Ba`如果你用GydF4y2Ba`“排除”GydF4y2Ba`名称值对参数。GydF4y2Ba
`失踪GydF4y2Ba`	缺失观测值的指示符，指定为逻辑值。这个值是GydF4y2Ba`真正的GydF4y2Ba`如果观察缺失。GydF4y2Ba
`子集GydF4y2Ba`	拟合函数是否使用观测值的指标，指定为逻辑值。这个值是GydF4y2Ba`真正的GydF4y2Ba`如果不排除或遗漏观测值，则表示拟合函数使用观测值。GydF4y2Ba

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，获取权值向量GydF4y2BaW.GydF4y2Ba模型的设计GydF4y2BamdlGydF4y2Ba：GydF4y2Ba

w = mdl.ObservationInfo.WeightsGydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

`ObservationNamesGydF4y2Ba`-GydF4y2Ba观察的名字GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

此属性是只读的。GydF4y2Ba

观察名称，指定为包含拟合中使用的观察名称的字符向量的小区数组。GydF4y2Ba

如果匹配是基于包含观测名称的表或数据集，GydF4y2BaObservationNamesGydF4y2Ba使用这些名称。GydF4y2Ba
否则,GydF4y2BaObservationNamesGydF4y2Ba是一个空单元格数组。GydF4y2Ba

数据类型:GydF4y2Ba细胞GydF4y2Ba

`抵消GydF4y2Ba`-GydF4y2Ba偏移变量GydF4y2Ba
数值向量GydF4y2Ba

此属性是只读的。GydF4y2Ba

偏移变量，指定为具有与数据中行数相同的数字向量。GydF4y2Ba抵消GydF4y2Ba通过从GydF4y2BafitglmGydF4y2Ba或GydF4y2Ba逐步GLMGydF4y2Ba在GydF4y2Ba“抵消”GydF4y2Ba名称-值对参数。拟合函数使用GydF4y2Ba抵消GydF4y2Ba作为附加预测变量，其系数值固定为GydF4y2Ba1GydF4y2Ba．换句话说，拟合公式为GydF4y2Ba

FGydF4y2Ba（GydF4y2BaμGydF4y2Ba）GydF4y2Ba~Offset+（涉及实际预测值的术语）GydF4y2Ba

在哪里GydF4y2BaFGydF4y2Ba是链接功能。这GydF4y2Ba抵消GydF4y2Ba预测了系数GydF4y2Ba1GydF4y2Ba．GydF4y2Ba

例如，考虑一个泊松回归模型。假设计数的数量是已知的理论原因与预测器成正比GydF4y2Ba一种GydF4y2Ba．通过使用日志链接功能和指定GydF4y2Ba日志(一)GydF4y2Ba作为偏移量，您可以强制模型满足这种理论约束。GydF4y2Ba

数据类型:GydF4y2Ba双GydF4y2Ba

`预测器名称GydF4y2Ba`-GydF4y2Ba用于拟合模型的预测器名称GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

此属性是只读的。GydF4y2Ba

用于拟合模型的预测器名称，指定为字符向量的单元数组。GydF4y2Ba

数据类型:GydF4y2Ba细胞GydF4y2Ba

`ractraceame.GydF4y2Ba`-GydF4y2Ba响应变量名GydF4y2Ba
特征向量GydF4y2Ba

此属性是只读的。GydF4y2Ba

响应变量名，指定为字符向量。GydF4y2Ba

数据类型:GydF4y2Ba字符GydF4y2Ba

`VariableInfoGydF4y2Ba`-GydF4y2Ba关于变量的信息GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

有关中包含的变量的信息GydF4y2Ba变量GydF4y2Ba，指定为一个表，每个变量和表中描述的列对应一行。GydF4y2Ba

柱GydF4y2Ba	描述GydF4y2Ba
`类GydF4y2Ba`	可变类，指定为字符向量的单元数组，例如GydF4y2Ba`“双”GydF4y2Ba`和GydF4y2Ba`“分类”GydF4y2Ba`
`范围GydF4y2Ba`	变量范围，指定为向量单元格数组GydF4y2Ba 连续变量二元向量GydF4y2Ba`[GydF4y2Ba最小值GydF4y2Ba那GydF4y2Ba马克斯GydF4y2Ba]GydF4y2Ba`，最小值和最大值GydF4y2Ba 分类变量-不同变量值的向量GydF4y2Ba
`inmodel.GydF4y2Ba`	在拟合模型中的变量的指示符，指定为逻辑向量。这个值是GydF4y2Ba`真正的GydF4y2Ba`如果模型包含变量。GydF4y2Ba
`分类的GydF4y2Ba`	分类变量的指示符，指定为逻辑向量。价值是GydF4y2Ba`真正的GydF4y2Ba`如果变量是绝对的。GydF4y2Ba

VariableInfoGydF4y2Ba还包括任何不用于将模型作为预测器或响应拟合模型的变量。GydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

`VariableNamesGydF4y2Ba`-GydF4y2Ba变量名称GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

此属性是只读的。GydF4y2Ba

变量名，指定为字符向量的单元格数组。GydF4y2Ba

如果适合基于表或数据集，则此属性提供表或数据集中变量的名称。GydF4y2Ba
如果拟合是基于预测矩阵和响应向量，GydF4y2BaVariableNamesGydF4y2Ba属性指定的值GydF4y2Ba“VarNames”GydF4y2Ba拟合方法的名称-值对参数。的默认值GydF4y2Ba“VarNames”GydF4y2Ba是GydF4y2Ba{x1, x2,…,‘xn’,‘y’}GydF4y2Ba．GydF4y2Ba

VariableNamesGydF4y2Ba还包括任何不用于将模型作为预测器或响应拟合模型的变量。GydF4y2Ba

数据类型:GydF4y2Ba细胞GydF4y2Ba

`变量GydF4y2Ba`-GydF4y2Ba输入数据GydF4y2Ba
表格GydF4y2Ba

此属性是只读的。GydF4y2Ba

输入数据，指定为表。GydF4y2Ba变量GydF4y2Ba包含预测器和响应值。如果适合是基于表或数据集数组，GydF4y2Ba变量GydF4y2Ba包含表或数据集数组中的所有数据。否则,GydF4y2Ba变量GydF4y2Ba是从输入数据矩阵创建的表GydF4y2BaXGydF4y2Ba和响应向量GydF4y2BayGydF4y2Ba．GydF4y2Ba

变量GydF4y2Ba还包括任何不用于将模型作为预测器或响应拟合模型的变量。GydF4y2Ba

数据类型:GydF4y2Ba表格GydF4y2Ba

对象的功能GydF4y2Ba

全部展开GydF4y2Ba

创建GydF4y2Ba`紧致广义线性模型GydF4y2Ba`

紧凑的GydF4y2Ba 紧致广义线性回归模型GydF4y2Ba

从广义线性模型中添加或删除项GydF4y2Ba

`addterms.GydF4y2Ba`	向广义线性回归模型添加项GydF4y2Ba
`移除GydF4y2Ba`	从广义线性回归模型中删除项GydF4y2Ba
`步GydF4y2Ba`	通过添加或删除项来改进广义线性回归模型GydF4y2Ba

预测反应GydF4y2Ba

`函数宏指令GydF4y2Ba`	对每个预测器使用一个输入预测广义线性回归模型的响应GydF4y2Ba
`预测GydF4y2Ba`	预测广义线性回归模型的响应GydF4y2Ba
`随机GydF4y2Ba`	广义线性回归模型的随机噪声响应模拟GydF4y2Ba

评估广义线性模型GydF4y2Ba

`COEFCI.GydF4y2Ba`	广义线性回归模型系数估计的置信区间GydF4y2Ba
`coefTestGydF4y2Ba`	广义线性回归模型系数的线性假设检验GydF4y2Ba
`devianceTestGydF4y2Ba`	广义线性回归模型的偏差分析GydF4y2Ba

可视化广义线性模型和摘要统计GydF4y2Ba

`plotDiagnosticsGydF4y2Ba`	绘制广义线性回归模型的观察诊断图GydF4y2Ba
`plotPartialDependenceGydF4y2Ba`	创建部分依赖图(PDP)和个人条件期望图(ICE)GydF4y2Ba
`绘图仪残差GydF4y2Ba`	广义线性回归模型的绘图残差GydF4y2Ba
`plotSliceGydF4y2Ba`	通过拟合的广义线性回归曲面绘制切片图GydF4y2Ba

例子GydF4y2Ba

全部折叠GydF4y2Ba

建立广义线性回归模型GydF4y2Ba

打开生活的脚本GydF4y2Ba

使用双向交互模型拟合吸烟概率随年龄、体重和性别的函数的逻辑回归模型。GydF4y2Ba

加载GydF4y2Ba医院GydF4y2Ba数据集。GydF4y2Ba

负载GydF4y2Ba医院GydF4y2Ba

将数据集数组转换为表。GydF4y2Ba

台= dataset2table(医院);GydF4y2Ba

使用包含双向交互和低阶项的公式指定模型。GydF4y2Ba

modelspec =GydF4y2Ba'吸烟者~年龄*体重*性别-年龄:体重:性别'GydF4y2Ba；GydF4y2Ba

建立广义线性模型。GydF4y2Ba

modelspec mdl = fitglm(资源描述,GydF4y2Ba“分配”GydF4y2Ba那GydF4y2Ba“二”GydF4y2Ba）GydF4y2Ba

mdl =广义线性回归模型:logit(吸烟者)~ 1 +性别*年龄+性别*体重+年龄*体重分布=二项式估计系数:Estimate SE tStat pValue ___________ _________ ________ _______ (Intercept) -6.0492 19.749 -0.3063 0.5938 Sex_Male -2.2859 12.424 -0.18399 0.85402 Age 0.11691 0.50977 0.22934 0.81861 Weight 0.031109 0.15208 0.20455 0.83792 Sex_Male:Age 0.020734 0.20681 0.10025 0.92014 Sex_Male:Weight 0.01216 0.053168 0.22871 0.8191 Age:Weight -0.00071959 0.0038964-0.18468 0.85348 100 observations, 93 error degrees of freedom Dispersion: 1 Chi^2-statistic vs. constant model: 5.07, p-value = 0.535

大GydF4y2BaP.GydF4y2Ba-value表示模型在统计上可能与常数没有差异。GydF4y2Ba

用逐步回归建立广义线性回归模型GydF4y2Ba

打开生活的脚本GydF4y2Ba

使用来自20个预测变量中的三个创建响应数据，并使用常量模型的逐步回归创建广义线性模型，以查看ifGydF4y2Ba逐步GLMGydF4y2Ba找到正确的预测器。GydF4y2Ba

生成具有20个预测变量的样本数据。使用三个预测器来生成泊松响应变量。GydF4y2Ba

rngGydF4y2Ba默认的GydF4y2Ba%的再现性GydF4y2Ba20 X = randn (100);mu = exp(X(:，[5 10 15])*[.4;.2;3) + 1);y = poissrnd(μ);GydF4y2Ba

利用泊松分布拟合广义线性回归模型。将初始模型指定为只包含常数(截距)项的模型。此外，指定每个预测器具有截距和线性项的模型作为最大模型来考虑作为拟合使用GydF4y2Ba'上'GydF4y2Ba名称值对参数。GydF4y2Ba

mdl = stepwiseglm（x，y，GydF4y2Ba“不变”GydF4y2Ba那GydF4y2Ba'上'GydF4y2Ba那GydF4y2Ba“线性”GydF4y2Ba那GydF4y2Ba“分配”GydF4y2Ba那GydF4y2Ba“泊松”GydF4y2Ba）GydF4y2Ba

1.添加X5，偏差= 134.439，CHI2STAT = 52.24814，PVALUE = 4.891229E-13 2.添加X15，偏差= 106.285，CHI2STAT = 28.15393，PVALUE = 1.1204E-07 3.添加X10，DEVIANCE = 95.0207，CHI2STAT = 11.2644，pvalue = 0.000790094GydF4y2Ba

mdl =广义线性回归模型:log(y) ~ 1 + x5 + x10 + x15估计SE tStat pValue ________ ________ ______ __________ (Intercept) 1.0115 0.064275 15.737 8.4217e-56 x5 0.39508 0.066665 5.9263 3.0977e-09 x10 0.18863 0.05534 3.4085 0.0006532 x15 0.29295 0.053269 5.4995 3.8089e-08 100个观测值，96个误差自由度GydF4y2Ba

逐步GLMGydF4y2Ba找到三个正确的预测因素:GydF4y2Bax5GydF4y2Ba那GydF4y2BaX10GydF4y2Ba,GydF4y2BaX15GydF4y2Ba．GydF4y2Ba

更多关于GydF4y2Ba

全部展开GydF4y2Ba

规范的链接功能GydF4y2Ba

广义线性模型的默认链接函数为GydF4y2Ba规范的链接功能GydF4y2Ba．您可以指定一个链接函数，当您适合的模型GydF4y2BafitglmGydF4y2Ba或GydF4y2Ba逐步GLMGydF4y2Ba通过使用GydF4y2Ba“链接”GydF4y2Ba名称值对参数。GydF4y2Ba

分配GydF4y2Ba	规范链接函数名GydF4y2Ba	链接功能GydF4y2Ba	意味着(逆)函数GydF4y2Ba
`“正常”GydF4y2Ba`	`“身份”GydF4y2Ba`	FGydF4y2Ba（GydF4y2BaμGydF4y2Ba) =GydF4y2BaμGydF4y2Ba	μGydF4y2Ba=GydF4y2BaXbGydF4y2Ba
`“二”GydF4y2Ba`	`'logit'GydF4y2Ba`	FGydF4y2Ba（GydF4y2BaμGydF4y2Ba) =日志(GydF4y2BaμGydF4y2Ba/ (1 -GydF4y2BaμGydF4y2Ba））GydF4y2Ba	μGydF4y2Ba= exp (GydF4y2BaXbGydF4y2Ba) / (1 + exp(GydF4y2BaXbGydF4y2Ba））GydF4y2Ba
`“泊松”GydF4y2Ba`	`'日志'GydF4y2Ba`	FGydF4y2Ba（GydF4y2BaμGydF4y2Ba) =日志(GydF4y2BaμGydF4y2Ba）GydF4y2Ba	μGydF4y2Ba= exp (GydF4y2BaXbGydF4y2Ba）GydF4y2Ba
`“伽马”GydF4y2Ba`	`－1GydF4y2Ba`	FGydF4y2Ba（GydF4y2BaμGydF4y2Ba) = 1 /GydF4y2BaμGydF4y2Ba	μGydF4y2Ba= 1 /（GydF4y2BaXbGydF4y2Ba）GydF4y2Ba
`逆高斯分布的GydF4y2Ba`	`－2GydF4y2Ba`	FGydF4y2Ba（GydF4y2BaμGydF4y2Ba) = 1 /GydF4y2BaμGydF4y2Ba^2GydF4y2Ba	μGydF4y2Ba=（GydF4y2BaXbGydF4y2Ba）GydF4y2Ba^1/2GydF4y2Ba

库克的距离GydF4y2Ba

厨师的距离GydF4y2BaD.GydF4y2Ba_{一世GydF4y2Ba}的观察GydF4y2Ba一世GydF4y2Ba是GydF4y2Ba

${D.GydF4y2Ba}_{一世GydF4y2Ba} =GydF4y2Ba {W.GydF4y2Ba}_{一世GydF4y2Ba} \frac{{E.GydF4y2Ba}_{一世GydF4y2Ba}^{2GydF4y2Ba}}{P.GydF4y2Ba \overset{^GydF4y2Ba}{φGydF4y2Ba}} \frac{{HGydF4y2Ba}_{一世GydF4y2Ba 一世GydF4y2Ba}}{{（GydF4y2Ba 1GydF4y2Ba -GydF4y2Ba {HGydF4y2Ba}_{一世GydF4y2Ba 一世GydF4y2Ba} ）GydF4y2Ba}^{2GydF4y2Ba}} 那GydF4y2Ba$

在哪里GydF4y2Ba

$\overset{^GydF4y2Ba}{φGydF4y2Ba}$ 是分散参数（估计或理论）。GydF4y2Ba
E.GydF4y2Ba_{一世GydF4y2Ba}是线性预测残差，GydF4y2Ba $GGydF4y2Ba （GydF4y2Ba {yGydF4y2Ba}_{一世GydF4y2Ba} ）GydF4y2Ba -GydF4y2Ba {XGydF4y2Ba}_{一世GydF4y2Ba} \overset{^GydF4y2Ba}{βGydF4y2Ba}$ ,在那里GydF4y2Ba
- GGydF4y2Ba是链接功能。GydF4y2Ba
- yGydF4y2Ba_{一世GydF4y2Ba}为观察到的响应。GydF4y2Ba
- XGydF4y2Ba_{一世GydF4y2Ba}是观察。GydF4y2Ba
- $\overset{^GydF4y2Ba}{βGydF4y2Ba}$ 为估计的系数向量。GydF4y2Ba
P.GydF4y2Ba是回归模型中的系数数。GydF4y2Ba
HGydF4y2Ba_2GydF4y2Ba是GydF4y2Ba一世GydF4y2Ba的第Th个对角元素GydF4y2Ba帽子矩阵GydF4y2BaHGydF4y2Ba．GydF4y2Ba

利用GydF4y2Ba

由于该观察在输入的空间中的位置，杠杆是一种衡量对回归预测的特定观察的效果。GydF4y2Ba

观察的作用GydF4y2Ba一世GydF4y2Ba价值是多少GydF4y2Ba一世GydF4y2Bath对角线项GydF4y2BaHGydF4y2Ba_2GydF4y2Ba帽子矩阵的GydF4y2BaHGydF4y2Ba．因为杠杆价值的总和是GydF4y2BaP.GydF4y2Ba(回归模型中系数的数目)，一个观察GydF4y2Ba一世GydF4y2Ba如果其杠杆率大幅超过，能否被视为异常值GydF4y2BaP.GydF4y2Ba/GydF4y2BaNGydF4y2Ba,在那里GydF4y2BaNGydF4y2Ba是观察数。GydF4y2Ba

帽子矩阵GydF4y2Ba

这GydF4y2Ba帽子矩阵GydF4y2BaHGydF4y2Ba在数据矩阵方面定义GydF4y2BaXGydF4y2Ba和一个对角权矩阵GydF4y2BaW.GydF4y2Ba：GydF4y2Ba

HGydF4y2Ba=GydF4y2BaXGydF4y2Ba（GydF4y2BaXGydF4y2Ba^T.GydF4y2Ba的天气GydF4y2Ba）GydF4y2Ba^1GydF4y2BaXGydF4y2Ba^T.GydF4y2BaW.GydF4y2Ba^T.GydF4y2Ba．GydF4y2Ba

W.GydF4y2Ba有对角线元素GydF4y2BaW.GydF4y2Ba_{一世GydF4y2Ba}：GydF4y2Ba

${W.GydF4y2Ba}_{一世GydF4y2Ba} =GydF4y2Ba \frac{{GGydF4y2Ba}^{'GydF4y2Ba} （GydF4y2Ba {μGydF4y2Ba}_{一世GydF4y2Ba} ）GydF4y2Ba}{\sqrt{V.GydF4y2Ba （GydF4y2Ba {μGydF4y2Ba}_{一世GydF4y2Ba} ）GydF4y2Ba}} 那GydF4y2Ba$

在哪里GydF4y2Ba

GGydF4y2Ba链接函数是否映射GydF4y2BayGydF4y2Ba_{一世GydF4y2Ba}来GydF4y2BaXGydF4y2Ba_{一世GydF4y2Ba}B.GydF4y2Ba．GydF4y2Ba
${GGydF4y2Ba}^{'GydF4y2Ba}$ 是链接函数的导数GydF4y2BaGGydF4y2Ba．GydF4y2Ba
V.GydF4y2Ba为方差函数。GydF4y2Ba
μGydF4y2Ba_{一世GydF4y2Ba}是GydF4y2Ba一世GydF4y2Bath的意思。GydF4y2Ba

对角线元素GydF4y2BaHGydF4y2Ba_2GydF4y2Ba满足GydF4y2Ba

$\begin{array}{l} 0.GydF4y2Ba \leqGydF4y2Ba {HGydF4y2Ba}_{一世GydF4y2Ba 一世GydF4y2Ba} \leqGydF4y2Ba 1GydF4y2Ba \\ {\sumGydF4y2Ba}_{一世GydF4y2Ba =GydF4y2Ba 1GydF4y2Ba}^{NGydF4y2Ba} {HGydF4y2Ba}_{一世GydF4y2Ba 一世GydF4y2Ba} =GydF4y2Ba P.GydF4y2Ba 那GydF4y2Ba \end{array}$

在哪里GydF4y2BaNGydF4y2Ba是观察的次数(行数GydF4y2BaXGydF4y2Ba），和GydF4y2BaP.GydF4y2Ba是回归模型中的系数数。GydF4y2Ba

偏常GydF4y2Ba

模型的偏差GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba是模型对数似然差的两倍吗GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba饱和模型GydF4y2BaM.GydF4y2Ba_S.GydF4y2Ba．饱和模型是指具有最大数量的参数的模型。GydF4y2Ba

例如，如果你有GydF4y2BaNGydF4y2Ba观察(GydF4y2BayGydF4y2Ba_{一世GydF4y2Ba}那GydF4y2Ba一世GydF4y2Ba= 1, 2，…GydF4y2BaNGydF4y2Ba)，其值可能不同GydF4y2BaXGydF4y2Ba_{一世GydF4y2Ba}^T.GydF4y2Baβ，然后您可以定义饱和模型GydF4y2BaNGydF4y2Ba参数。让GydF4y2BaL.GydF4y2Ba（GydF4y2BaB.GydF4y2Ba那GydF4y2BayGydF4y2Ba）表示具有参数的模型的似然函数的最大值GydF4y2BaB.GydF4y2Ba．然后是模型的偏差GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba是GydF4y2Ba

$-GydF4y2Ba 2GydF4y2Ba （GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{1GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba -GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{S.GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba ）GydF4y2Ba 那GydF4y2Ba$

在哪里GydF4y2BaB.GydF4y2Ba_1GydF4y2Ba和GydF4y2BaB.GydF4y2Ba_S.GydF4y2Ba包含模型的估计参数GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba和饱和模型。偏差有卡方分布GydF4y2BaNGydF4y2Ba-GydF4y2BaP.GydF4y2Ba自由度，其中GydF4y2BaNGydF4y2Ba饱和模型中的参数数和GydF4y2BaP.GydF4y2Ba模型中的参数个数是多少GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba．GydF4y2Ba

假设有两个不同的广义线性回归模型GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba和GydF4y2BaM.GydF4y2Ba_2GydF4y2Ba,GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba中有一个术语子集GydF4y2BaM.GydF4y2Ba_2GydF4y2Ba．你可以通过比较偏差来评估模型的适合度GydF4y2BaD.GydF4y2Ba_1GydF4y2Ba和GydF4y2BaD.GydF4y2Ba_2GydF4y2Ba两种模型。偏离的差异是GydF4y2Ba

$\begin{array}{l} D.GydF4y2Ba =GydF4y2Ba {D.GydF4y2Ba}_{2GydF4y2Ba} -GydF4y2Ba {D.GydF4y2Ba}_{1GydF4y2Ba} =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba （GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{2GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba -GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{S.GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba ）GydF4y2Ba +GydF4y2Ba 2GydF4y2Ba （GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{1GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba -GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{S.GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba ）GydF4y2Ba \\ =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba （GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{2GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba -GydF4y2Ba 日志GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba {B.GydF4y2Ba}_{1GydF4y2Ba} 那GydF4y2Ba yGydF4y2Ba ）GydF4y2Ba ）GydF4y2Ba ．GydF4y2Ba \end{array}$

渐近,GydF4y2BaD.GydF4y2Ba具有自由度的卡方分布GydF4y2BaV.GydF4y2Ba等于中估计的参数数之差GydF4y2BaM.GydF4y2Ba_1GydF4y2Ba和GydF4y2BaM.GydF4y2Ba_2GydF4y2Ba．你可以获得GydF4y2BaP.GydF4y2Ba-通过使用GydF4y2Ba1 - chi2cdf (D, v)GydF4y2Ba．GydF4y2Ba

通常，您检查GydF4y2BaD.GydF4y2Ba使用一个模型GydF4y2BaM.GydF4y2Ba_2GydF4y2Ba一个常数项，没有预测因子。因此,GydF4y2BaD.GydF4y2Ba有卡方分布吗GydF4y2BaP.GydF4y2Ba- 1GydF4y2Ba的自由度。如果估计了色散，那么差除以估计色散有GydF4y2BaFGydF4y2Ba分布与GydF4y2BaP.GydF4y2Ba- 1GydF4y2Ba分子的自由度GydF4y2BaNGydF4y2Ba-GydF4y2BaP.GydF4y2Ba分母自由度。GydF4y2Ba

术语矩阵GydF4y2Ba

一个条件矩阵GydF4y2BaT.GydF4y2Ba是一个GydF4y2BaT.GydF4y2Ba————(GydF4y2BaP.GydF4y2Ba+ 1)指定模型中的项的矩阵，其中GydF4y2BaT.GydF4y2Ba是术语数，GydF4y2BaP.GydF4y2Ba为预测变量的个数，+1表示响应变量。的价值GydF4y2BaT (i, j)GydF4y2Ba是变量的指数GydF4y2BajGydF4y2Ba长期GydF4y2Ba一世GydF4y2Ba．GydF4y2Ba

例如，假设一个输入包含三个预测变量GydF4y2Ba一种GydF4y2Ba那GydF4y2BaB.GydF4y2Ba,GydF4y2BaCGydF4y2Ba和响应变量GydF4y2BayGydF4y2Ba按顺序GydF4y2Ba一种GydF4y2Ba那GydF4y2BaB.GydF4y2Ba那GydF4y2BaCGydF4y2Ba,GydF4y2BayGydF4y2Ba．每一行的GydF4y2BaT.GydF4y2Ba代表一个术语：GydF4y2Ba

[0 0 0]GydF4y2Ba-常数项或截距GydF4y2Ba
[0 1 0 0]GydF4y2Ba-GydF4y2BaB.GydF4y2Ba；同样,GydF4y2BaA^0 * b ^1 * c ^0GydF4y2Ba
[1 0 1 0]GydF4y2Ba-GydF4y2Ba* CGydF4y2Ba
[2 0 0]GydF4y2Ba-GydF4y2BaA^2GydF4y2Ba
[0 1 2 0]GydF4y2Ba-GydF4y2BaB * (C ^ 2)GydF4y2Ba

这GydF4y2Ba0.GydF4y2Ba在每一项的末尾表示响应变量。通常，项矩阵中的零列向量表示响应变量的位置。如果在矩阵和列向量中有预测器和响应变量，则必须包括GydF4y2Ba0.GydF4y2Ba对于每行最后一列中的响应变量。GydF4y2Ba

扩展能力GydF4y2Ba

C / c++代码生成GydF4y2Ba
使用MATLAB®Coder™生成C和c++代码。GydF4y2Ba

使用注意事项及限制:GydF4y2Ba

这GydF4y2Ba预测GydF4y2Ba和GydF4y2Ba随机GydF4y2Ba函数支持代码生成。金宝appGydF4y2Ba
当您使用GydF4y2BafitglmGydF4y2Ba或GydF4y2Ba逐步GLMGydF4y2Ba，适用以下限制。GydF4y2Ba
- 代码生成不支持分类预测器。金宝app您无法在包含逻辑向量，字符数组，分类数组，字符串数组或字符向量的表中提供培训数据。此外，你不能使用GydF4y2Ba“CategoricalVars”GydF4y2Ba名称值对参数。GydF4y2Ba要在模型中包含范畴预测因子，使用GydF4y2Ba戴维尔GydF4y2Ba在拟合模型之前。GydF4y2Ba
- 这GydF4y2Ba链接GydF4y2Ba那GydF4y2Ba导数GydF4y2Ba,GydF4y2Ba逆GydF4y2Ba的字段GydF4y2Ba“链接”GydF4y2Ba名称-值对参数不能是匿名函数。也就是说，您不能使用使用匿名链接函数创建的广义线性模型来生成代码。相反，为链接组件定义函数。GydF4y2Ba

有关更多信息，请参见GydF4y2Ba代码生成简介GydF4y2Ba．GydF4y2Ba

也可以看看GydF4y2Ba

紧致广义线性模型GydF4y2Ba|GydF4y2BaLinearModelGydF4y2Ba|GydF4y2BaNonLinearModelGydF4y2Ba|GydF4y2BafitglmGydF4y2Ba|GydF4y2Ba逐步GLMGydF4y2Ba

GeneralizedLinearModelGydF4y2Ba

描述GydF4y2Ba

创建GydF4y2Ba

性质GydF4y2Ba

系数估计GydF4y2Ba

CoefficientCovarianceGydF4y2Ba-GydF4y2Ba系数估计的协方差矩阵GydF4y2Ba数字矩阵GydF4y2Ba

CoefficientNamesGydF4y2Ba-GydF4y2Ba系数的名字GydF4y2Ba字符向量的单元格数组GydF4y2Ba

系数GydF4y2Ba-GydF4y2Ba系数值GydF4y2Ba表格GydF4y2Ba

numcoffients.GydF4y2Ba-GydF4y2Ba模型系数数GydF4y2Ba正整数GydF4y2Ba

最大激励效率GydF4y2Ba-GydF4y2Ba估计系数数GydF4y2Ba正整数GydF4y2Ba

摘要统计信息GydF4y2Ba

偏常GydF4y2Ba-GydF4y2Ba异常的配合GydF4y2Ba数值GydF4y2Ba

DFE.GydF4y2Ba-GydF4y2Ba误差自由度GydF4y2Ba正整数GydF4y2Ba

诊断学GydF4y2Ba-GydF4y2Ba观察诊断GydF4y2Ba表格GydF4y2Ba

分散GydF4y2Ba-GydF4y2Ba响应方差的标度因子GydF4y2Ba数字标量GydF4y2Ba

dispersialestimated.GydF4y2Ba-GydF4y2Ba表示使用分散比例因子的标志GydF4y2Ba逻辑值GydF4y2Ba

安装GydF4y2Ba-GydF4y2Ba根据输入数据拟合响应值GydF4y2Ba表格GydF4y2Ba

LogLikelihoodGydF4y2Ba-GydF4y2BaloglikelihieGydF4y2Ba数值GydF4y2Ba

ModelCriterionGydF4y2Ba-GydF4y2Ba模型比较标准GydF4y2Ba结构GydF4y2Ba

残差GydF4y2Ba-GydF4y2Ba拟合模型的残差GydF4y2Ba表格GydF4y2Ba

RsquaredGydF4y2Ba-GydF4y2Ba模型的R平方值GydF4y2Ba结构GydF4y2Ba

上交所GydF4y2Ba-GydF4y2Ba误差平方和GydF4y2Ba数值GydF4y2Ba

苏维埃社会主义共和国GydF4y2Ba-GydF4y2Ba回归平方和GydF4y2Ba数值GydF4y2Ba

风场GydF4y2Ba-GydF4y2Ba总平方和GydF4y2Ba数值GydF4y2Ba

合适的信息GydF4y2Ba

台阶GydF4y2Ba-GydF4y2Ba分段拟合的信息GydF4y2Ba结构GydF4y2Ba

输入数据GydF4y2Ba

分配GydF4y2Ba-GydF4y2Ba广义分布信息GydF4y2Ba结构GydF4y2Ba

公式GydF4y2Ba-GydF4y2Ba模型信息GydF4y2BaLinearFormulaGydF4y2Ba目的GydF4y2Ba

链接GydF4y2Ba-GydF4y2Ba链接功能GydF4y2Ba结构GydF4y2Ba

numobservations.GydF4y2Ba-GydF4y2Ba数量的观察GydF4y2Ba正整数GydF4y2Ba

NumPredictorsGydF4y2Ba-GydF4y2Ba预测变量数GydF4y2Ba正整数GydF4y2Ba

数变量GydF4y2Ba-GydF4y2Ba变量数量GydF4y2Ba正整数GydF4y2Ba

观测信息GydF4y2Ba-GydF4y2Ba观测信息GydF4y2Ba表格GydF4y2Ba

ObservationNamesGydF4y2Ba-GydF4y2Ba观察的名字GydF4y2Ba字符向量的单元格数组GydF4y2Ba

抵消GydF4y2Ba-GydF4y2Ba偏移变量GydF4y2Ba数值向量GydF4y2Ba

预测器名称GydF4y2Ba-GydF4y2Ba用于拟合模型的预测器名称GydF4y2Ba字符向量的单元格数组GydF4y2Ba

ractraceame.GydF4y2Ba-GydF4y2Ba响应变量名GydF4y2Ba特征向量GydF4y2Ba

VariableInfoGydF4y2Ba-GydF4y2Ba关于变量的信息GydF4y2Ba表格GydF4y2Ba

VariableNamesGydF4y2Ba-GydF4y2Ba变量名称GydF4y2Ba字符向量的单元格数组GydF4y2Ba

变量GydF4y2Ba-GydF4y2Ba输入数据GydF4y2Ba表格GydF4y2Ba

对象的功能GydF4y2Ba

创建GydF4y2Ba紧致广义线性模型GydF4y2Ba

从广义线性模型中添加或删除项GydF4y2Ba

预测反应GydF4y2Ba

评估广义线性模型GydF4y2Ba

可视化广义线性模型和摘要统计GydF4y2Ba

例子GydF4y2Ba

建立广义线性回归模型GydF4y2Ba

用逐步回归建立广义线性回归模型GydF4y2Ba

更多关于GydF4y2Ba

规范的链接功能GydF4y2Ba

库克的距离GydF4y2Ba

利用GydF4y2Ba

帽子矩阵GydF4y2Ba

偏常GydF4y2Ba

术语矩阵GydF4y2Ba

扩展能力GydF4y2Ba

C / c++代码生成GydF4y2Ba使用MATLAB®Coder™生成C和c++代码。GydF4y2Ba

也可以看看GydF4y2Ba

话题GydF4y2Ba

介绍了R2012aGydF4y2Ba

统计和机器学习工具箱文档GydF4y2Ba

金宝app

掌握机器学习:一步一步的指导与MATLABGydF4y2Ba

`CoefficientCovarianceGydF4y2Ba`-GydF4y2Ba系数估计的协方差矩阵GydF4y2Ba
数字矩阵GydF4y2Ba

`CoefficientNamesGydF4y2Ba`-GydF4y2Ba系数的名字GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

`系数GydF4y2Ba`-GydF4y2Ba系数值GydF4y2Ba
表格GydF4y2Ba

`numcoffients.GydF4y2Ba`-GydF4y2Ba模型系数数GydF4y2Ba
正整数GydF4y2Ba

`最大激励效率GydF4y2Ba`-GydF4y2Ba估计系数数GydF4y2Ba
正整数GydF4y2Ba

`偏常GydF4y2Ba`-GydF4y2Ba异常的配合GydF4y2Ba
数值GydF4y2Ba

`DFE.GydF4y2Ba`-GydF4y2Ba误差自由度GydF4y2Ba
正整数GydF4y2Ba

`诊断学GydF4y2Ba`-GydF4y2Ba观察诊断GydF4y2Ba
表格GydF4y2Ba

`分散GydF4y2Ba`-GydF4y2Ba响应方差的标度因子GydF4y2Ba
数字标量GydF4y2Ba

`dispersialestimated.GydF4y2Ba`-GydF4y2Ba表示使用分散比例因子的标志GydF4y2Ba
逻辑值GydF4y2Ba

`安装GydF4y2Ba`-GydF4y2Ba根据输入数据拟合响应值GydF4y2Ba
表格GydF4y2Ba

`LogLikelihoodGydF4y2Ba`-GydF4y2BaloglikelihieGydF4y2Ba
数值GydF4y2Ba

`ModelCriterionGydF4y2Ba`-GydF4y2Ba模型比较标准GydF4y2Ba
结构GydF4y2Ba

`残差GydF4y2Ba`-GydF4y2Ba拟合模型的残差GydF4y2Ba
表格GydF4y2Ba

`RsquaredGydF4y2Ba`-GydF4y2Ba模型的R平方值GydF4y2Ba
结构GydF4y2Ba

`上交所GydF4y2Ba`-GydF4y2Ba误差平方和GydF4y2Ba
数值GydF4y2Ba

`苏维埃社会主义共和国GydF4y2Ba`-GydF4y2Ba回归平方和GydF4y2Ba
数值GydF4y2Ba

`风场GydF4y2Ba`-GydF4y2Ba总平方和GydF4y2Ba
数值GydF4y2Ba

`台阶GydF4y2Ba`-GydF4y2Ba分段拟合的信息GydF4y2Ba
结构GydF4y2Ba

`分配GydF4y2Ba`-GydF4y2Ba广义分布信息GydF4y2Ba
结构GydF4y2Ba

`公式GydF4y2Ba`-GydF4y2Ba模型信息GydF4y2Ba
`LinearFormulaGydF4y2Ba`目的GydF4y2Ba

`链接GydF4y2Ba`-GydF4y2Ba链接功能GydF4y2Ba
结构GydF4y2Ba

`numobservations.GydF4y2Ba`-GydF4y2Ba数量的观察GydF4y2Ba
正整数GydF4y2Ba

`NumPredictorsGydF4y2Ba`-GydF4y2Ba预测变量数GydF4y2Ba
正整数GydF4y2Ba

`数变量GydF4y2Ba`-GydF4y2Ba变量数量GydF4y2Ba
正整数GydF4y2Ba

`观测信息GydF4y2Ba`-GydF4y2Ba观测信息GydF4y2Ba
表格GydF4y2Ba

`ObservationNamesGydF4y2Ba`-GydF4y2Ba观察的名字GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

`抵消GydF4y2Ba`-GydF4y2Ba偏移变量GydF4y2Ba
数值向量GydF4y2Ba

`预测器名称GydF4y2Ba`-GydF4y2Ba用于拟合模型的预测器名称GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

`ractraceame.GydF4y2Ba`-GydF4y2Ba响应变量名GydF4y2Ba
特征向量GydF4y2Ba

`VariableInfoGydF4y2Ba`-GydF4y2Ba关于变量的信息GydF4y2Ba
表格GydF4y2Ba

`VariableNamesGydF4y2Ba`-GydF4y2Ba变量名称GydF4y2Ba
字符向量的单元格数组GydF4y2Ba

`变量GydF4y2Ba`-GydF4y2Ba输入数据GydF4y2Ba
表格GydF4y2Ba

创建GydF4y2Ba`紧致广义线性模型GydF4y2Ba`

C / c++代码生成GydF4y2Ba
使用MATLAB®Coder™生成C和c++代码。GydF4y2Ba