与缺失数据的最小二乘回归
[参数,协方差,遗留,信息] = ECMLSRMLE(数据,设计,最大,TOLPARAM,TOLOBJ,PARAM0,COVAR0,Covarformat)
|
|
|
处理两个模型结构的矩阵或单元格数组: 如果 如果 如果 |
|
(可选)估计算法的最大迭代次数。默认值为100。 |
|
(可选)基于模型参数估计变化的估计算法的收敛公差。默认值为 |
|
|
在哪里 |
|
|
(可选)基于目标函数变化的估计算法的收敛公差。默认值为
迭代 |
|
(可选的) |
|
(可选的) 对于协方差加权最小二乘计算,该矩阵对应于回归中的每个系列的权重。矩阵还用于预期条件最大化(ECM)算法中的残余协方差的初始猜测。 |
|
(可选)字符向量,用于指定协方差矩阵的格式。选择是: |
对于样品 总结了输出 另一个输出,[参数,协方差,遗留,信息] = ECMLSRMLE(数据,设计,最大,TOLPARAM,TOLOBJ,PARAM0,COVAR0,Covarformat)
Ecmlsrmle.
ECMLSRMLE(数据,设计)
参数
协方差
渣滓
info.obj.
(结尾)
info.prevparameters.
info.prevCovariance.
如果做协方差加权最小二乘, 您可以配置 如果 如果 这些要点涉及如何 虽然 如果 使用可选输出结构中的估计值
Ecmlsrmle.
mvnrmle.
看<一种href="//www.tatmou.com/help/finance/multivariate-normal-regression-types.html" class="a">多变量正常回归 Roderick J. A.小和唐纳德B. Rubin。 萧丽梦和唐纳德B.鲁宾。“通过ECM算法的最大似然估计。” Joe Sexton和Anders Rygh Swensen。“ECM算法以EM的速率收敛。” A. P. Dempster,N.M.Laird和D. B. Rubin。“通过EM算法的不完全数据的最大可能性。”参考