主要内容

多变量回归

与多变量响应变量的线性回归

职能

mvregress. 多变量线性回归
mvregresslike. 多变量回归的负对数似然
Polytool. 交互式多项式拟合
Polyconf. 多项式置信区间
plsregress. 部分最小二乘(PLS)回归

例子和如何

设置多变量回归问题

使用多变量线性回归模型使用mvregress.,您必须以特定方式设置响应矩阵和设计矩阵。

多变量一般线性模型

此示例显示如何设置多变量通用线性模型以进行估计mvregress.

固定效果面板模型具有并发相关性

此示例显示如何使用面板数据分析mvregress.

纵向分析

此示例显示如何使用纵向分析mvregress.

部分最小二乘回归和主成分回归

该示例显示了如何应用部分最小二乘回归(PLSR)和主成分回归(PCR),并讨论两种方法的有效性。

概念

多变量线性回归

大型高维数据集在基于计算机的仪器和电子数据存储的现代时代常见。

多元回归模型的估计

使用时使用多变量线性回归模型mvregress.,您可以使用可选的名称值对'算法','cwls'选择最小二乘估计。

部分最小二乘

局部最小二乘(PLS)构造新的预测变量作为原始预测变量的线性组合,同时考虑观察到的响应值,导致具有可靠预测力的解析模型。