GeneralizedLinearModelgydF4y2Ba

广义线性回归模型类gydF4y2Ba

描述gydF4y2Ba

GeneralizedLinearModelgydF4y2Ba为拟合的广义线性回归模型。广义线性回归模型是一类描述响应和预测器之间非线性关系的特殊非线性模型。广义线性回归模型具有线性回归模型的广义特性。响应变量遵循正态分布、二项式分布、泊松分布、伽马分布或逆高斯分布，参数包括平均响应gydF4y2BaμgydF4y2Ba．一个链接功能gydF4y2BafgydF4y2Ba定义了gydF4y2BaμgydF4y2Ba以及预测因子的线性组合。gydF4y2Ba

利用a的性质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gydF4y2BastepwiseglmgydF4y2Ba．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gydF4y2BaaddTermsgydF4y2Ba，gydF4y2BaremoveTermsgydF4y2Ba,或gydF4y2Ba一步gydF4y2Ba从模型中添加或删除术语。另外,使用gydF4y2BastepwiseglmgydF4y2Ba用逐步广义线性回归拟合模型。gydF4y2Ba

属性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gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BapgydF4y2Ba数值矩阵。gydF4y2BapgydF4y2Ba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，每个单元包含相应项的名称。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- - - - - -gydF4y2BatgydF4y2Ba-系数为零的测试的统计量gydF4y2Ba
pValuegydF4y2Ba- - - - - -gydF4y2BapgydF4y2Ba价值的gydF4y2BatgydF4y2Ba统计gydF4y2Ba

使用gydF4y2BacoefTestgydF4y2Ba对系数进行线性假设检验。使用gydF4y2BacoefCIgydF4y2Ba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

`NumCoefficientsgydF4y2Ba`- - - - - -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。gydF4y2BaNumCoefficientsgydF4y2Ba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

`NumEstimatedCoefficientsgydF4y2Ba`- - - - - -gydF4y2Ba估计系数数gydF4y2Ba
正整数gydF4y2Ba

此属性是只读的。gydF4y2Ba

模型中估计系数的数目，指定为正整数。gydF4y2BaNumEstimatedCoefficientsgydF4y2Ba不包括当模型项缺乏等级时被设为零的系数。gydF4y2BaNumEstimatedCoefficientsgydF4y2Ba是回归的自由度。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

摘要统计信息gydF4y2Ba

`异常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异常gydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

`教育部gydF4y2Ba`- - - - - -gydF4y2Ba误差的自由度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，指定为一个表，其中包含每个观察的一行和该表中描述的列。gydF4y2Ba

列gydF4y2Ba	意义gydF4y2Ba	描述gydF4y2Ba
`利用gydF4y2Ba`	对角元素的gydF4y2Ba`HatMatrixgydF4y2Ba`	`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是由该观测结果决定的，其他观测结果的贡献很小。接近于gydF4y2Ba`0gydF4y2Ba`表明拟合在很大程度上是由其他观察结果决定的。对于具有gydF4y2Ba`PgydF4y2Ba`系数和gydF4y2Ba`NgydF4y2Ba`的平均值gydF4y2Ba`利用gydF4y2Ba`是gydF4y2Ba`P / NgydF4y2Ba`．一个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
`HatMatrixgydF4y2Ba`	投影矩阵，以计算拟合的观测响应gydF4y2Ba	`HatMatrixgydF4y2Ba`是一个gydF4y2Ba`NgydF4y2Ba`——- - - - - -gydF4y2Ba`NgydF4y2Ba`矩阵,gydF4y2Ba`安装= HatMatrix * YgydF4y2Ba`,在那里gydF4y2Ba`YgydF4y2Ba`是响应向量和吗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. fitting . linearpredictor Yadjusted = mdl. fitting . linearpredictor + mdl.Residuals.LinearPredictorgydF4y2Ba

诊断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，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)或排除值(在gydF4y2BaObservationInfo。被排除在外gydF4y2Ba)包含gydF4y2Ba南gydF4y2Ba中的值gydF4y2BaCooksDistancegydF4y2Ba列和0gydF4y2Ba利用gydF4y2Ba和gydF4y2BaHatMatrixgydF4y2Ba列。gydF4y2Ba

要获取这些列中的任何一列作为数组，请使用点表示法在属性中建立索引。例如，获取模型中的帽子矩阵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

响应的方差的比例因子，指定为数字标量。gydF4y2Ba

如果gydF4y2Ba“DispersionFlag”gydF4y2Ba的名称-值对参数gydF4y2BafitglmgydF4y2Ba或gydF4y2BastepwiseglmgydF4y2Ba是gydF4y2Ba真正的gydF4y2Ba，则函数估计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。gydF4y2Ba

例如，二项分布的方差函数是gydF4y2BapgydF4y2Ba(1 -gydF4y2BapgydF4y2Ba）/gydF4y2BangydF4y2Ba,在那里gydF4y2BapgydF4y2Ba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，数据集相对于二项分布是“过度分散的”。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

`DispersionEstimatedgydF4y2Ba`- - - - - -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使用了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gydF4y2BaDispersionEstimatedgydF4y2Ba是gydF4y2Ba假gydF4y2Ba，gydF4y2BafitglmgydF4y2Ba使用方差的理论值。gydF4y2Ba

DispersionEstimatedgydF4y2Ba可以gydF4y2Ba假gydF4y2Ba仅适用于二项分布和泊松分布。gydF4y2Ba
集gydF4y2BaDispersionEstimatedgydF4y2Ba通过设置gydF4y2Ba“DispersionFlag”gydF4y2Ba的名称-值对参数gydF4y2BafitglmgydF4y2Ba或gydF4y2BastepwiseglmgydF4y2Ba．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

列gydF4y2Ba	描述gydF4y2Ba
`响应gydF4y2Ba`	预测的响应规模gydF4y2Ba
`LinearPredictorgydF4y2Ba`	预测值在尺度上的线性组合预测器(同应用于链接函数)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`- - - - - -gydF4y2BaLoglikelihoodgydF4y2Ba
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模型比较准则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gydF4y2Ba米gydF4y2Ba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为观察次数。gydF4y2Ba
BICgydF4y2Ba-贝叶斯信息准则。gydF4y2BaBIC = -2 *logL + m*log(n)gydF4y2Ba．gydF4y2Ba
中安集团经贸gydF4y2Ba-一致的赤池信息准则。gydF4y2BaCAIC = -2 *logL + m*(log(n) + 1)gydF4y2Ba．gydF4y2Ba

信息标准是模型选择工具，您可以使用它来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，其中包括对复杂性的惩罚(特别是参数的数量)。不同的信息标准通过惩罚的形式来区分。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.ModelCriterion.AICgydF4y2Ba

数据类型:gydF4y2Ba结构体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

列gydF4y2Ba	描述gydF4y2Ba
`生gydF4y2Ba`	观测减拟合值gydF4y2Ba
`LinearPredictorgydF4y2Ba`	线性预测器尺度上的残差，等于调整后的响应值减去预测器的拟合线性组合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`	在转换后的数据上定义的残差，选择用于去除偏斜度的转换gydF4y2Ba
`异常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，获取普通的原始残差向量gydF4y2BargydF4y2Ba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

场gydF4y2Ba	描述gydF4y2Ba	方程gydF4y2Ba
`普通的gydF4y2Ba`	普通(调整)的平方gydF4y2Ba	${RgydF4y2Ba}_{普通的gydF4y2Ba}^{2gydF4y2Ba} ＝gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba \frac{上交所gydF4y2Ba}{风场gydF4y2Ba}$ `上交所gydF4y2Ba`是误差平方和，和gydF4y2Ba`风场gydF4y2Ba`是响应向量相对于响应向量均值的总平方偏差之和。gydF4y2Ba
`调整gydF4y2Ba`	r平方调整系数的数目gydF4y2Ba	${RgydF4y2Ba}_{调整gydF4y2Ba}^{2gydF4y2Ba} ＝gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba \frac{上交所gydF4y2Ba}{风场gydF4y2Ba} \cdotgydF4y2Ba \frac{NgydF4y2Ba -gydF4y2Ba 1gydF4y2Ba}{教育部gydF4y2Ba}$ NgydF4y2Ba为观测次数(gydF4y2Ba`NumObservationsgydF4y2Ba`),gydF4y2Ba`教育部gydF4y2Ba`为误差(残差)的自由度。gydF4y2Ba
`LLRgydF4y2Ba`	Loglikelihood比率gydF4y2Ba	${RgydF4y2Ba}_{LLRgydF4y2Ba}^{2gydF4y2Ba} ＝gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba \frac{lgydF4y2Ba}{{lgydF4y2Ba}_{0gydF4y2Ba}}$ lgydF4y2Ba为拟合模型的对数似然数(gydF4y2Ba`LogLikelihoodgydF4y2Ba`),gydF4y2BalgydF4y2Ba_0gydF4y2Ba是只包含常数项的模型的对数可能性。gydF4y2BaRgydF4y2Ba^2gydF4y2Ba_LLRgydF4y2Ba麦克法登是伪r平方值吗gydF4y2Ba［１］gydF4y2Ba逻辑回归模型。gydF4y2Ba
`异常gydF4y2Ba`	偏差平方gydF4y2Ba	${RgydF4y2Ba}_{异常gydF4y2Ba}^{2gydF4y2Ba} ＝gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba \frac{DgydF4y2Ba}{{DgydF4y2Ba}_{0gydF4y2Ba}}$ DgydF4y2Ba为拟合模型的偏差(gydF4y2Ba`异常gydF4y2Ba`),gydF4y2BaDgydF4y2Ba_0gydF4y2Ba是只包含常数项的模型的偏差。gydF4y2Ba
`AdjGeneralizedgydF4y2Ba`	调整广义平方gydF4y2Ba	${RgydF4y2Ba}_{AdjGeneralizedgydF4y2Ba}^{2gydF4y2Ba} ＝gydF4y2Ba \frac{1gydF4y2Ba -gydF4y2Ba 经验值gydF4y2Ba （gydF4y2Ba \frac{2gydF4y2Ba （gydF4y2Ba {lgydF4y2Ba}_{0gydF4y2Ba} -gydF4y2Ba lgydF4y2Ba ）gydF4y2Ba}{NgydF4y2Ba} ）gydF4y2Ba}{1gydF4y2Ba -gydF4y2Ba 经验值gydF4y2Ba （gydF4y2Ba \frac{2gydF4y2Ba {lgydF4y2Ba}_{0gydF4y2Ba}}{NgydF4y2Ba} ）gydF4y2Ba}$ RgydF4y2Ba^2gydF4y2Ba_{AdjGeneralizedgydF4y2Ba}是Nagelkerke调整吗gydF4y2Ba［2］gydF4y2Ba马德拉提出的一个公式gydF4y2Ba［3］gydF4y2Ba考克斯和斯内尔gydF4y2Ba［4］gydF4y2Ba,麦基gydF4y2Ba［5］gydF4y2Ba逻辑回归模型。gydF4y2Ba

要获取这些值中的任何一个作为标量，请使用点表示法在属性中建立索引。例如，得到模型中调整后的r平方值gydF4y2BamdlgydF4y2Ba,输入:gydF4y2Ba

r2 = mdl.Rsquared.AdjustedgydF4y2Ba

数据类型:gydF4y2Ba结构体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

用数值指定的平方和的总和。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

`步骤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
`较低的gydF4y2Ba`	表示下界模型的公式。的条款gydF4y2Ba`较低的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

的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

列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`，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`，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计算矩阵gydF4y2Ba
`DFgydF4y2Ba`	步后的回归自由度gydF4y2Ba
`delDFgydF4y2Ba`	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
`异常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-导致步骤的统计数据gydF4y2Ba
`PValuegydF4y2Ba`	pgydF4y2Ba价值的gydF4y2BaFgydF4y2Ba统计gydF4y2Ba

结构是空的，除非您使用逐步回归拟合模型。gydF4y2Ba

数据类型:gydF4y2Ba结构体gydF4y2Ba

输入数据gydF4y2Ba

`分布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
`的名字gydF4y2Ba`	发行名称:gydF4y2Ba`“正常”gydF4y2Ba`，gydF4y2Ba`“二”gydF4y2Ba`，gydF4y2Ba`“泊松”gydF4y2Ba`，gydF4y2Ba`“伽马”gydF4y2Ba`,或gydF4y2Ba`逆高斯分布的gydF4y2Ba`
`DevianceFunctiongydF4y2Ba`	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`DispersionEstimatedgydF4y2Ba`是gydF4y2Ba`真正的gydF4y2Ba`，则该软件将方差函数乘以gydF4y2Ba`分散gydF4y2Ba`在计算系数时存在标准误差。gydF4y2Ba

数据类型:gydF4y2Ba结构体gydF4y2Ba

`公式gydF4y2Ba`- - - - - -gydF4y2Ba模型信息gydF4y2Ba
`LinearFormulagydF4y2Ba`对象gydF4y2Ba

此属性是只读的。gydF4y2Ba

模型信息，指定为gydF4y2BaLinearFormulagydF4y2Ba对象。gydF4y2Ba

显示拟合模型的公式gydF4y2BamdlgydF4y2Ba使用点符号:gydF4y2Ba

mdl。F或米ula

`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
`的名字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`的名字gydF4y2Ba`是gydF4y2Ba`＇＇gydF4y2Ba`．gydF4y2Ba
`链接gydF4y2Ba`	函数gydF4y2BafgydF4y2Ba它定义link函数，并指定为函数句柄gydF4y2Ba
`导数gydF4y2Ba`	的导数gydF4y2BafgydF4y2Ba，指定为函数句柄gydF4y2Ba
`逆gydF4y2Ba`	逆的gydF4y2BafgydF4y2Ba，指定为函数句柄gydF4y2Ba

link函数是一个函数gydF4y2BafgydF4y2Ba连接分布参数gydF4y2BaμgydF4y2Ba到拟合的线性组合gydF4y2BaXbgydF4y2Ba预测:gydF4y2Ba

fgydF4y2Ba（gydF4y2BaμgydF4y2Ba) =gydF4y2BaXbgydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba结构体gydF4y2Ba

`NumObservationsgydF4y2Ba`- - - - - -gydF4y2Ba数量的观察gydF4y2Ba
正整数gydF4y2Ba

此属性是只读的。gydF4y2Ba

用于拟合的拟合函数的观测数，指定为正整数。gydF4y2BaNumObservationsgydF4y2Ba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量，指定为正整数。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

`NumVariablesgydF4y2Ba`- - - - - -gydF4y2Ba数量的变量gydF4y2Ba
正整数gydF4y2Ba

此属性是只读的。gydF4y2Ba

输入数据中变量的数量，指定为正整数。gydF4y2BaNumVariablesgydF4y2Ba为原始表或数据集中变量的数量，或预测器矩阵和响应向量中列的总数。gydF4y2Ba

NumVariablesgydF4y2Ba也包括任何变量，不是用来适合模型作为预测或作为响应。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

`ObservationInfogydF4y2Ba`- - - - - -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表4,gydF4y2BangydF4y2Ba等于输入数据的行数。gydF4y2BaObservationInfogydF4y2Ba包含该表中描述的列。gydF4y2Ba

列gydF4y2Ba	描述gydF4y2Ba
`权重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。这个值是gydF4y2Ba`真正的gydF4y2Ba`如果你用gydF4y2Ba`“排除”gydF4y2Ba`名称-值对的论点。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gydF4y2BawgydF4y2Ba模型的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，指定为字符向量的单元格数组，其中包含拟合中使用的观察名称。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为空单元格数组。gydF4y2Ba

数据类型:gydF4y2Ba细胞gydF4y2Ba

`抵消gydF4y2Ba`- - - - - -gydF4y2Ba抵消变量gydF4y2Ba
数值向量gydF4y2Ba

此属性是只读的。gydF4y2Ba

偏移量变量，指定为长度与数据中的行数相同的数字向量。gydF4y2Ba抵消gydF4y2Ba通过从gydF4y2BafitglmgydF4y2Ba或gydF4y2BastepwiseglmgydF4y2Ba在gydF4y2Ba“抵消”gydF4y2Ba名称-值对的论点。拟合函数使用gydF4y2Ba抵消gydF4y2Ba作为附加的预测变量，其系数值固定为gydF4y2Ba1gydF4y2Ba．换句话说，拟合公式为gydF4y2Ba

fgydF4y2Ba（gydF4y2BaμgydF4y2Ba）gydF4y2Ba~ Offset +(涉及实际预测项的术语)gydF4y2Ba

在哪里gydF4y2BafgydF4y2Ba是链接功能。的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一个gydF4y2Ba．通过使用日志链接函数和指定gydF4y2Ba日志(一)gydF4y2Ba作为补偿，您可以强制模型满足这个理论约束。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

`PredictorNamesgydF4y2Ba`- - - - - -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

`ResponseNamegydF4y2Ba`- - - - - -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信息变量gydF4y2Ba
表格gydF4y2Ba

此属性是只读的。gydF4y2Ba

包含变量的信息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

列gydF4y2Ba	描述gydF4y2Ba
`类gydF4y2Ba`	变量类，指定为字符向量的单元格数组，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，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
`InModelgydF4y2Ba`	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
`IsCategoricalgydF4y2Ba`	分类变量的指示符，指定为逻辑向量。这个值是gydF4y2Ba`真正的gydF4y2Ba`如果变量是绝对的。gydF4y2Ba

VariableInfogydF4y2Ba也包括任何变量，不是用来适合模型作为预测或作为响应。gydF4y2Ba

数据类型:gydF4y2Ba表格gydF4y2Ba

`VariableNamesgydF4y2Ba`- - - - - -gydF4y2Ba变量的名字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也包括任何变量，不是用来适合模型作为预测或作为响应。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是否从输入数据矩阵创建了一个表gydF4y2BaXgydF4y2Ba响应向量gydF4y2BaygydF4y2Ba．gydF4y2Ba

变量gydF4y2Ba也包括任何变量，不是用来适合模型作为预测或作为响应。gydF4y2Ba

数据类型:gydF4y2Ba表格gydF4y2Ba

对象的功能gydF4y2Ba

全部展开gydF4y2Ba

创建gydF4y2Ba`CompactGeneralizedLinearModelgydF4y2Ba`

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

`addTermsgydF4y2Ba`	向广义线性回归模型添加项gydF4y2Ba
`removeTermsgydF4y2Ba`	从广义线性回归模型中移除术语gydF4y2Ba
`一步gydF4y2Ba`	通过添加或删除项来改进广义线性回归模型gydF4y2Ba

预测的反应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`	对广义线性回归模型在随机噪声下的响应进行模拟gydF4y2Ba

评估广义线性模型gydF4y2Ba

`coefCIgydF4y2Ba`	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
`partialDependencegydF4y2Ba`	计算部分依赖gydF4y2Ba

可视化广义线性模型和统计摘要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
`plotResidualsgydF4y2Ba`	绘制广义线性回归模型的残差gydF4y2Ba
`plotSlicegydF4y2Ba`	通过拟合的广义线性回归曲面绘制切片图gydF4y2Ba

广义线性模型的集合性质gydF4y2Ba

收集gydF4y2Ba 从GPU中收集机器学习模型的属性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“分布”gydF4y2Ba，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gydF4y2BapgydF4y2Ba-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20个预测变量中的3个创建响应数据，并从一个常量模型使用逐步回归创建一个广义线性模型，看看是否gydF4y2BastepwiseglmgydF4y2Ba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-值对的论点。gydF4y2Ba

mdl = stepwiseglm (X, y,gydF4y2Ba“不变”gydF4y2Ba，gydF4y2Ba“上”gydF4y2Ba，gydF4y2Ba“线性”gydF4y2Ba，gydF4y2Ba“分布”gydF4y2Ba，gydF4y2Ba“泊松”gydF4y2Ba）gydF4y2Ba

1.加x5, Deviance = 134.439, Chi2Stat = 52.24814, PValue = 4.891229e-13加上x15, Deviance = 106.285, Chi2Stat = 28.15393, PValue = 1.1204e-07加上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

stepwiseglmgydF4y2Ba找到三个正确的预测因素:gydF4y2Bax5gydF4y2Ba，gydF4y2Bax10gydF4y2Ba,gydF4y2Ba连接gydF4y2Ba．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gydF4y2BastepwiseglmgydF4y2Ba通过使用gydF4y2Ba“链接”gydF4y2Ba名称-值对的论点。gydF4y2Ba

分布gydF4y2Ba	标准链接函数名称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`	`分对数的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

库克距离是拟合值的缩放变化，这对识别预测变量观测中的异常值很有用。库克距离显示了每次观测对拟合响应值的影响。如果库克距离大于平均库克距离的三倍，则可能为异常值。gydF4y2Ba

库克的距离gydF4y2BaDgydF4y2Ba_我gydF4y2Ba的观察gydF4y2Ba我gydF4y2Ba是gydF4y2Ba

${DgydF4y2Ba}_{我gydF4y2Ba} ＝gydF4y2Ba {wgydF4y2Ba}_{我gydF4y2Ba} \frac{{egydF4y2Ba}_{我gydF4y2Ba}^{2gydF4y2Ba}}{pgydF4y2Ba \overset{＾gydF4y2Ba}{φgydF4y2Ba}} \frac{{hgydF4y2Ba}_{我gydF4y2Ba 我gydF4y2Ba}}{{（gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba {hgydF4y2Ba}_{我gydF4y2Ba 我gydF4y2Ba} ）gydF4y2Ba}^{2gydF4y2Ba}} ，gydF4y2Ba$

在哪里gydF4y2Ba

$\overset{＾gydF4y2Ba}{φgydF4y2Ba}$ 为色散参数(估计的或理论的)。gydF4y2Ba
egydF4y2Ba_我gydF4y2Ba为线性预测残差，gydF4y2Ba $ggydF4y2Ba （gydF4y2Ba {ygydF4y2Ba}_{我gydF4y2Ba} ）gydF4y2Ba -gydF4y2Ba {xgydF4y2Ba}_{我gydF4y2Ba} \overset{＾gydF4y2Ba}{βgydF4y2Ba}$ ,在那里gydF4y2Ba
- ggydF4y2Ba是链接功能。gydF4y2Ba
- ygydF4y2Ba_我gydF4y2Ba为观察到的响应。gydF4y2Ba
- xgydF4y2Ba_我gydF4y2Ba是观察。gydF4y2Ba
- $\overset{＾gydF4y2Ba}{βgydF4y2Ba}$ 为估计的系数向量。gydF4y2Ba
pgydF4y2Ba为回归模型中系数的个数。gydF4y2Ba
hgydF4y2Ba_2gydF4y2Ba是gydF4y2Ba我gydF4y2Ba的第Th个对角元素gydF4y2Ba帽子矩阵gydF4y2BaHgydF4y2Ba．gydF4y2Ba

利用gydF4y2Ba

杠杆是对特定观察结果对回归预测的影响的度量，该影响是由该观察结果在输入空间中的位置决定的。gydF4y2Ba

观察的作用gydF4y2Ba我gydF4y2Ba价值是多少gydF4y2Ba我gydF4y2Bath对角线项gydF4y2BahgydF4y2Ba_2gydF4y2Ba帽子矩阵的gydF4y2BaHgydF4y2Ba．因为杠杆价值的总和是gydF4y2BapgydF4y2Ba(回归模型中系数的数目)，一个观察gydF4y2Ba我gydF4y2Ba如果其杠杆率大幅超过，能否被视为异常值gydF4y2BapgydF4y2Ba/gydF4y2BangydF4y2Ba,在那里gydF4y2BangydF4y2Ba为观察次数。gydF4y2Ba

帽子矩阵gydF4y2Ba

帽子矩阵是一个投影矩阵，它将响应观察向量投影到预测向量上。gydF4y2Ba

这顶帽子矩阵gydF4y2BaHgydF4y2Ba是用数据矩阵来定义的gydF4y2BaXgydF4y2Ba和一个对角权矩阵gydF4y2BaWgydF4y2Ba：gydF4y2Ba

HgydF4y2Ba＝gydF4y2BaXgydF4y2Ba（gydF4y2BaXgydF4y2Ba^TgydF4y2Ba的天气gydF4y2Ba）gydF4y2Ba^1gydF4y2BaXgydF4y2Ba^TgydF4y2BaWgydF4y2Ba^TgydF4y2Ba．gydF4y2Ba

WgydF4y2Ba有对角线元素gydF4y2BawgydF4y2Ba_我gydF4y2Ba：gydF4y2Ba

${wgydF4y2Ba}_{我gydF4y2Ba} ＝gydF4y2Ba \frac{{ggydF4y2Ba}^{”gydF4y2Ba} （gydF4y2Ba {μgydF4y2Ba}_{我gydF4y2Ba} ）gydF4y2Ba}{\sqrt{VgydF4y2Ba （gydF4y2Ba {μgydF4y2Ba}_{我gydF4y2Ba} ）gydF4y2Ba}} ，gydF4y2Ba$

在哪里gydF4y2Ba

ggydF4y2Ba链接函数是否映射gydF4y2BaygydF4y2Ba_我gydF4y2Ba来gydF4y2BaxgydF4y2Ba_我gydF4y2BabgydF4y2Ba．gydF4y2Ba
${ggydF4y2Ba}^{”gydF4y2Ba}$ 连杆函数的导数是多少gydF4y2BaggydF4y2Ba．gydF4y2Ba
VgydF4y2Ba为方差函数。gydF4y2Ba
μgydF4y2Ba_我gydF4y2Ba是gydF4y2Ba我gydF4y2Bath的意思。gydF4y2Ba

对角线元素gydF4y2BaHgydF4y2Ba_2gydF4y2Ba满足gydF4y2Ba

$\begin{array}{l} 0gydF4y2Ba \leqgydF4y2Ba {hgydF4y2Ba}_{我gydF4y2Ba 我gydF4y2Ba} \leqgydF4y2Ba 1gydF4y2Ba \\ {\sumgydF4y2Ba}_{我gydF4y2Ba ＝gydF4y2Ba 1gydF4y2Ba}^{ngydF4y2Ba} {hgydF4y2Ba}_{我gydF4y2Ba 我gydF4y2Ba} ＝gydF4y2Ba pgydF4y2Ba ，gydF4y2Ba \end{array}$

在哪里gydF4y2BangydF4y2Ba是观察的次数(行数gydF4y2BaXgydF4y2Ba),gydF4y2BapgydF4y2Ba为回归模型中系数的个数。gydF4y2Ba

异常gydF4y2Ba

偏差是残差平方和的推广。它衡量的是与饱和模型相比的拟合优度。gydF4y2Ba

模型的偏差gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba是模型对数似然差的两倍吗gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba饱和模型gydF4y2Ba米gydF4y2Ba_{年代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_我gydF4y2Ba，gydF4y2Ba我gydF4y2Ba= 1, 2，…gydF4y2BangydF4y2Ba)，其值可能不同gydF4y2BaXgydF4y2Ba_我gydF4y2Ba^TgydF4y2Baβ，则可以定义一个饱和模型gydF4y2BangydF4y2Ba参数。让gydF4y2BalgydF4y2Ba（gydF4y2BabgydF4y2Ba，gydF4y2BaygydF4y2Ba)表示带有参数的模型的似然函数的最大值gydF4y2BabgydF4y2Ba．然后是模型的偏差gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba是gydF4y2Ba

$-gydF4y2Ba 2gydF4y2Ba （gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{1gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba -gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{年代gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba ）gydF4y2Ba ，gydF4y2Ba$

在哪里gydF4y2BabgydF4y2Ba_1gydF4y2Ba和gydF4y2BabgydF4y2Ba_{年代gydF4y2Ba}包含模型的估计参数gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba和饱和模型。偏差有卡方分布gydF4y2BangydF4y2Ba- - - - - -gydF4y2BapgydF4y2Ba自由度，其中gydF4y2BangydF4y2Ba饱和模型中的参数数和gydF4y2BapgydF4y2Ba模型中的参数个数是多少gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba．gydF4y2Ba

假设你有两个不同的广义线性回归模型gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba和gydF4y2Ba米gydF4y2Ba_2gydF4y2Ba,gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba有这些项的子集吗gydF4y2Ba米gydF4y2Ba_2gydF4y2Ba．你可以通过比较偏差来评估模型的适合度gydF4y2BaDgydF4y2Ba_1gydF4y2Ba和gydF4y2BaDgydF4y2Ba_2gydF4y2Ba这两种型号的。偏差的区别是gydF4y2Ba

$\begin{array}{l} DgydF4y2Ba ＝gydF4y2Ba {DgydF4y2Ba}_{2gydF4y2Ba} -gydF4y2Ba {DgydF4y2Ba}_{1gydF4y2Ba} ＝gydF4y2Ba -gydF4y2Ba 2gydF4y2Ba （gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{2gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba -gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{年代gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba ）gydF4y2Ba +gydF4y2Ba 2gydF4y2Ba （gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{1gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba -gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{年代gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba ）gydF4y2Ba \\ ＝gydF4y2Ba -gydF4y2Ba 2gydF4y2Ba （gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{2gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba -gydF4y2Ba 日志gydF4y2Ba lgydF4y2Ba （gydF4y2Ba {bgydF4y2Ba}_{1gydF4y2Ba} ，gydF4y2Ba ygydF4y2Ba ）gydF4y2Ba ）gydF4y2Ba ．gydF4y2Ba \end{array}$

渐近,gydF4y2BaDgydF4y2Ba有自由度的卡方分布吗gydF4y2BavgydF4y2Ba等于中估计的参数数之差gydF4y2Ba米gydF4y2Ba_1gydF4y2Ba和gydF4y2Ba米gydF4y2Ba_2gydF4y2Ba．你可以获得gydF4y2BapgydF4y2Ba为这个测试使用gydF4y2Ba1 - chi2cdf (D, v)gydF4y2Ba．gydF4y2Ba

通常,您检查gydF4y2BaDgydF4y2Ba使用一个模型gydF4y2Ba米gydF4y2Ba_2gydF4y2Ba一个常数项，没有预测因子。因此,gydF4y2BaDgydF4y2Ba有卡方分布吗gydF4y2BapgydF4y2Ba- 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gydF4y2BapgydF4y2Ba- 1gydF4y2Ba分子的自由度gydF4y2BangydF4y2Ba- - - - - -gydF4y2BapgydF4y2Ba分母自由度。gydF4y2Ba

计算矩阵gydF4y2Ba

一个条件矩阵gydF4y2BaTgydF4y2Ba是一个gydF4y2BatgydF4y2Ba————(gydF4y2BapgydF4y2Ba+ 1)指定模型中的项的矩阵，其中gydF4y2BatgydF4y2Ba是项的个数，gydF4y2BapgydF4y2Ba为预测变量的个数，+1表示响应变量。的价值gydF4y2BaT (i, j)gydF4y2Ba是变量的指数吗gydF4y2BajgydF4y2Ba在术语gydF4y2Ba我gydF4y2Ba．gydF4y2Ba

例如，假设一个输入包含三个预测变量gydF4y2Bax1gydF4y2Ba，gydF4y2Bax2gydF4y2Ba,gydF4y2Bax3gydF4y2Ba以及响应变量gydF4y2BaygydF4y2Ba的顺序gydF4y2Bax1gydF4y2Ba，gydF4y2Bax2gydF4y2Ba，gydF4y2Bax3gydF4y2Ba,gydF4y2BaygydF4y2Ba．每一行的gydF4y2BaTgydF4y2Ba代表一个术语:gydF4y2Ba

[0 0 0]gydF4y2Ba-常数项或截距gydF4y2Ba
[0 1 0 0]gydF4y2Ba- - - - - -gydF4y2Bax2gydF4y2Ba；同样,gydF4y2BaX1 ^0 * x2^1 * x3^0gydF4y2Ba
[1 0 1 0]gydF4y2Ba- - - - - -gydF4y2Bax1 * x3gydF4y2Ba
[2 0 0]gydF4y2Ba- - - - - -gydF4y2Bax1 ^ 2gydF4y2Ba
[0 1 2 0]gydF4y2Ba- - - - - -gydF4y2Bax2 * (x3 ^ 2)gydF4y2Ba

的gydF4y2Ba0gydF4y2Ba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gydF4y2Ba0gydF4y2Ba获取每行最后一列中的响应变量。gydF4y2Ba

参考文献gydF4y2Ba

[1]麦克费登,丹尼尔。"定性选择行为的条件逻辑分析"在gydF4y2Ba计量经济学前沿gydF4y2Ba， P. Zarembka编辑，105-42。纽约:学术出版社，1974年。gydF4y2Ba

纳格尔科克，新泽西州《关于决定系数一般定义的注释》gydF4y2Ba生物统计学gydF4y2Ba78年,没有。3(1991): 691 - 92。gydF4y2Ba

Gangadharrao S. madalagydF4y2Ba计量经济学中的有限因变量和定性变量。gydF4y2Ba计量经济学社会专著。纽约，纽约:剑桥大学出版社，1983。gydF4y2Ba

d·R·考克斯和e·j·斯内尔。gydF4y2Ba二进制数据分析。gydF4y2Ba第二版统计和应用概率专论32。伦敦;纽约:查普曼和霍尔出版社，1989。gydF4y2Ba

[5]麦基,朗尼。基于Wald和似然比联合显著性检验的r2测度。gydF4y2Ba美国统计学家gydF4y2Ba44岁的没有。3(1990年8月):250-53。gydF4y2Ba

扩展功能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

的gydF4y2Ba预测gydF4y2Ba和gydF4y2Ba随机gydF4y2Ba函数支持代码生成。金宝appgydF4y2Ba
当你用gydF4y2BafitglmgydF4y2Ba或gydF4y2BastepwiseglmgydF4y2Ba，则不能指定gydF4y2Ba链接gydF4y2Ba，gydF4y2Ba导数gydF4y2Ba,gydF4y2Ba逆gydF4y2Ba的字段gydF4y2Ba“链接”gydF4y2Ba名称-值对参数作为匿名函数。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

GPU数组gydF4y2Ba
使用并行计算工具箱™在图形处理单元(GPU)上运行加速代码。gydF4y2Ba

使用注意事项及限制:gydF4y2Ba

以下对象函数完全支持GPU阵列:金宝appgydF4y2Ba
下面的对象函数支持带有GPU阵列输入参数的模型对象:金宝appgydF4y2Ba

有关更多信息，请参见gydF4y2Ba在GPU上运行MATLAB函数gydF4y2Ba(并行计算工具箱)gydF4y2Ba．gydF4y2Ba

另请参阅gydF4y2Ba

CompactGeneralizedLinearModelgydF4y2Ba|gydF4y2BafitglmgydF4y2Ba|gydF4y2BaLinearModelgydF4y2Ba|gydF4y2BaNonLinearModelgydF4y2Ba|gydF4y2BastepwiseglmgydF4y2Ba

主题gydF4y2Ba

介绍了R2012agydF4y2Ba

GeneralizedLinearModelgydF4y2Ba

描述gydF4y2Ba

创建gydF4y2Ba

属性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

NumCoefficientsgydF4y2Ba- - - - - -gydF4y2Ba模型系数数gydF4y2Ba正整数gydF4y2Ba

NumEstimatedCoefficientsgydF4y2Ba- - - - - -gydF4y2Ba估计系数数gydF4y2Ba正整数gydF4y2Ba

摘要统计信息gydF4y2Ba

异常gydF4y2Ba- - - - - -gydF4y2Ba异常的配合gydF4y2Ba数值gydF4y2Ba

教育部gydF4y2Ba- - - - - -gydF4y2Ba误差的自由度gydF4y2Ba正整数gydF4y2Ba

诊断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

DispersionEstimatedgydF4y2Ba- - - - - -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- - - - - -gydF4y2BaLoglikelihoodgydF4y2Ba数值gydF4y2Ba

ModelCriteriongydF4y2Ba- - - - - -gydF4y2Ba模型比较准则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

步骤gydF4y2Ba- - - - - -gydF4y2Ba分段拟合的信息gydF4y2Ba结构gydF4y2Ba

输入数据gydF4y2Ba

分布gydF4y2Ba- - - - - -gydF4y2Ba广义分布信息gydF4y2Ba结构gydF4y2Ba

公式gydF4y2Ba- - - - - -gydF4y2Ba模型信息gydF4y2BaLinearFormulagydF4y2Ba对象gydF4y2Ba

链接gydF4y2Ba- - - - - -gydF4y2Ba链接功能gydF4y2Ba结构gydF4y2Ba

NumObservationsgydF4y2Ba- - - - - -gydF4y2Ba数量的观察gydF4y2Ba正整数gydF4y2Ba

NumPredictorsgydF4y2Ba- - - - - -gydF4y2Ba预测变量数gydF4y2Ba正整数gydF4y2Ba

NumVariablesgydF4y2Ba- - - - - -gydF4y2Ba数量的变量gydF4y2Ba正整数gydF4y2Ba

ObservationInfogydF4y2Ba- - - - - -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抵消变量gydF4y2Ba数值向量gydF4y2Ba

PredictorNamesgydF4y2Ba- - - - - -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

ResponseNamegydF4y2Ba- - - - - -gydF4y2Ba响应变量名gydF4y2Ba特征向量gydF4y2Ba

VariableInfogydF4y2Ba- - - - - -gydF4y2Ba信息变量gydF4y2Ba表格gydF4y2Ba

VariableNamesgydF4y2Ba- - - - - -gydF4y2Ba变量的名字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gydF4y2BaCompactGeneralizedLinearModelgydF4y2Ba

从广义线性模型中添加或删除项gydF4y2Ba

预测的反应gydF4y2Ba

评估广义线性模型gydF4y2Ba

可视化广义线性模型和统计摘要gydF4y2Ba

广义线性模型的集合性质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

异常gydF4y2Ba

计算矩阵gydF4y2Ba

参考文献gydF4y2Ba

扩展功能gydF4y2Ba

C / c++代码生成gydF4y2Ba使用MATLAB®Coder™生成C和c++代码。gydF4y2Ba

GPU数组gydF4y2Ba使用并行计算工具箱™在图形处理单元(GPU)上运行加速代码。gydF4y2Ba

另请参阅gydF4y2Ba

主题gydF4y2Ba

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

`NumCoefficientsgydF4y2Ba`- - - - - -gydF4y2Ba模型系数数gydF4y2Ba
正整数gydF4y2Ba

`NumEstimatedCoefficientsgydF4y2Ba`- - - - - -gydF4y2Ba估计系数数gydF4y2Ba
正整数gydF4y2Ba

`异常gydF4y2Ba`- - - - - -gydF4y2Ba异常的配合gydF4y2Ba
数值gydF4y2Ba

`教育部gydF4y2Ba`- - - - - -gydF4y2Ba误差的自由度gydF4y2Ba
正整数gydF4y2Ba

`诊断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

`DispersionEstimatedgydF4y2Ba`- - - - - -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`- - - - - -gydF4y2BaLoglikelihoodgydF4y2Ba
数值gydF4y2Ba

`ModelCriteriongydF4y2Ba`- - - - - -gydF4y2Ba模型比较准则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

`步骤gydF4y2Ba`- - - - - -gydF4y2Ba分段拟合的信息gydF4y2Ba
结构gydF4y2Ba

`分布gydF4y2Ba`- - - - - -gydF4y2Ba广义分布信息gydF4y2Ba
结构gydF4y2Ba

`公式gydF4y2Ba`- - - - - -gydF4y2Ba模型信息gydF4y2Ba
`LinearFormulagydF4y2Ba`对象gydF4y2Ba

`链接gydF4y2Ba`- - - - - -gydF4y2Ba链接功能gydF4y2Ba
结构gydF4y2Ba

`NumObservationsgydF4y2Ba`- - - - - -gydF4y2Ba数量的观察gydF4y2Ba
正整数gydF4y2Ba

`NumPredictorsgydF4y2Ba`- - - - - -gydF4y2Ba预测变量数gydF4y2Ba
正整数gydF4y2Ba

`NumVariablesgydF4y2Ba`- - - - - -gydF4y2Ba数量的变量gydF4y2Ba
正整数gydF4y2Ba

`ObservationInfogydF4y2Ba`- - - - - -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抵消变量gydF4y2Ba
数值向量gydF4y2Ba

`PredictorNamesgydF4y2Ba`- - - - - -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

`ResponseNamegydF4y2Ba`- - - - - -gydF4y2Ba响应变量名gydF4y2Ba
特征向量gydF4y2Ba

`VariableInfogydF4y2Ba`- - - - - -gydF4y2Ba信息变量gydF4y2Ba
表格gydF4y2Ba

`VariableNamesgydF4y2Ba`- - - - - -gydF4y2Ba变量的名字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`CompactGeneralizedLinearModelgydF4y2Ba`

C / c++代码生成gydF4y2Ba
使用MATLAB®Coder™生成C和c++代码。gydF4y2Ba

GPU数组gydF4y2Ba
使用并行计算工具箱™在图形处理单元(GPU)上运行加速代码。gydF4y2Ba