GeneralizedLinearModelgydF4y2Ba
广义线性回归模型类gydF4y2Ba
描述gydF4y2Ba
GeneralizedLinearModelgydF4y2Ba
是一个拟合广义线性回归模型。广义线性回归模型是一种特殊的一类非线性模型描述非线性响应和预测之间的关系。一个广义线性回归模型广义线性回归模型的特征。响应变量遵循正常,二项式分布、泊松分布、伽马、或逆高斯分布参数包括平均响应gydF4y2BaμgydF4y2Ba。一个链接功能gydF4y2BafgydF4y2Ba定义之间的关系gydF4y2BaμgydF4y2Ba和预测的线性组合。gydF4y2Ba
使用的属性gydF4y2BaGeneralizedLinearModelgydF4y2Ba
对象调查拟合广义线性回归模型。对象属性包括系数估计信息,汇总统计,拟合方法,输入数据。使用对象函数预测反应和修改、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
符合广义线性回归模型的数据使用一个固定的模型规范。使用gydF4y2BaaddTermsgydF4y2Ba
,gydF4y2BaremoveTermsgydF4y2Ba
,或gydF4y2Ba一步gydF4y2Ba
从模型中添加或删除条款。另外,使用gydF4y2BastepwiseglmgydF4y2Ba
适合使用阶梯式广义线性回归模型。gydF4y2Ba
属性gydF4y2Ba
系数估计gydF4y2Ba
CoefficientCovariancegydF4y2Ba
- - - - - -gydF4y2Ba协方差矩阵的系数估计gydF4y2Ba
数字矩阵gydF4y2Ba
这个属性是只读的。gydF4y2Ba
协方差矩阵的系数估计,指定为一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BapgydF4y2Ba矩阵的数值。gydF4y2BapgydF4y2Ba拟合模型中系数的数量,由吗gydF4y2BaNumCoefficientsgydF4y2Ba
。gydF4y2Ba
有关详细信息,请参见gydF4y2Ba系数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
单元阵列的特征向量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
系数名称指定为一个单元阵列的特征向量,每个包含的名称对应的词。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
系数gydF4y2Ba
- - - - - -gydF4y2Ba系数值gydF4y2Ba
表gydF4y2Ba
这个属性是只读的。gydF4y2Ba
系数值,指定为一个表。gydF4y2Ba系数gydF4y2Ba
为每个系数和这些列包含一行:gydF4y2Ba
估计gydF4y2Ba
——估计系数值gydF4y2BaSEgydF4y2Ba
-标准误差的估计gydF4y2BatStatgydF4y2Ba
- - - - - -gydF4y2BatgydF4y2Ba统计一个双边测试系数为零的零假设gydF4y2BapValuegydF4y2Ba
- - - - - -gydF4y2BapgydF4y2Ba价值的gydF4y2BatgydF4y2Ba统计gydF4y2Ba
使用gydF4y2BacoefTestgydF4y2Ba
对系数进行线性假设测试。使用gydF4y2BacoefCIgydF4y2Ba
找到系数估计的置信区间。gydF4y2Ba
获得这些列向量,索引属性使用点符号。例如,获得的估计系数向量模型gydF4y2BamdlgydF4y2Ba
:gydF4y2Ba
β= mdl.Coefficients.EstimategydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
NumCoefficientsgydF4y2Ba
- - - - - -gydF4y2Ba模型系数的数量gydF4y2Ba
正整数gydF4y2Ba
这个属性是只读的。gydF4y2Ba
数量的模型系数,指定为一个正整数。gydF4y2BaNumCoefficientsgydF4y2Ba
包括系数设置为0,当模型方面的不足。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
NumEstimatedCoefficientsgydF4y2Ba
- - - - - -gydF4y2Ba数量的估计系数gydF4y2Ba
正整数gydF4y2Ba
这个属性是只读的。gydF4y2Ba
数量的估计系数模型,指定为一个正整数。gydF4y2BaNumEstimatedCoefficientsgydF4y2Ba
不包括系数设置为0,当模型方面的不足。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
这个属性是只读的。gydF4y2Ba
异常的,指定为一个数值。比较两个模型的异常是有用的,当一个模型是其他模型的一个特例。异常的两种模型的区别与自由度等于卡方分布的差异两个模型之间的估计参数的数量。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自由度为错误gydF4y2Ba
正整数gydF4y2Ba
这个属性是只读的。gydF4y2Ba
自由度的误差(残差),等于观测的数量减去估计系数的数量,指定为一个正整数。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
诊断gydF4y2Ba
- - - - - -gydF4y2Ba观察诊断gydF4y2Ba
表gydF4y2Ba
这个属性是只读的。gydF4y2Ba
观察诊断,指定为一个表,其中包含为每个观察一行和列在这个表中描述。gydF4y2Ba
列gydF4y2Ba | 意义gydF4y2Ba | 描述gydF4y2Ba |
---|---|---|
利用gydF4y2Ba |
对角元素的gydF4y2BaHatMatrixgydF4y2Ba |
利用gydF4y2Ba 为每个观测表明在多大程度上是由观察到的预测价值。一个值接近gydF4y2Ba1gydF4y2Ba 表明,在很大程度上取决于正观察,从其他观察几乎没有贡献。一个值接近gydF4y2Ba0gydF4y2Ba 表明,适合在很大程度上取决于另一个观察。对于一个模型gydF4y2BaPgydF4y2Ba 系数和gydF4y2BaNgydF4y2Ba 观察,平均价值gydF4y2Ba利用gydF4y2Ba 是gydF4y2BaP / NgydF4y2Ba 。一个gydF4y2Ba利用gydF4y2Ba 值大于gydF4y2Ba2 * P / NgydF4y2Ba 表明高杠杆。gydF4y2Ba |
CooksDistancegydF4y2Ba |
库克的距离比例变化的拟合值gydF4y2Ba | CooksDistancegydF4y2Ba 是一个按比例缩小的拟合值的变化。一个观察gydF4y2BaCooksDistancegydF4y2Ba 大于三倍的意思是库克的距离可以是一个局外人。gydF4y2Ba |
HatMatrixgydF4y2Ba |
投影矩阵计算了从观察到的反应gydF4y2Ba | HatMatrixgydF4y2Ba 是一个gydF4y2BaNgydF4y2Ba ——- - - - - -gydF4y2BaNgydF4y2Ba 矩阵,gydF4y2Ba安装= HatMatrix * YgydF4y2Ba ,在那里gydF4y2BaYgydF4y2Ba 响应向量和吗gydF4y2Ba安装gydF4y2Ba 是拟合响应值的向量。gydF4y2Ba |
软件计算这些值的线性组合的规模预测,存储在gydF4y2BaLinearPredictorgydF4y2Ba
场的gydF4y2Ba安装gydF4y2Ba
和gydF4y2Ba残差gydF4y2Ba
属性。例如,使用安装软件计算诊断价值反应和调整模型的响应值gydF4y2BamdlgydF4y2Ba
。gydF4y2Ba
Yfit = mdl.Fitted。LinearPredictorYadjusted = mdl.Fitted.LinearPredictor + mdl.Residuals.LinearPredictor
诊断gydF4y2Ba
包含的信息有助于发现异常值和影响力的观察。更多细节,请参阅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。gydF4y2Ba
行中使用不适合,因为(在缺失值gydF4y2BaObservationInfo.MissinggydF4y2Ba
(在)或排除值gydF4y2BaObservationInfo.ExcludedgydF4y2Ba
)包含gydF4y2Ba南gydF4y2Ba
中的值gydF4y2BaCooksDistancegydF4y2Ba
列和0gydF4y2Ba利用gydF4y2Ba
和gydF4y2BaHatMatrixgydF4y2Ba
列。gydF4y2Ba
获得这些列作为一个数组,索引属性使用点符号。例如,获得的帽子矩阵模型gydF4y2BamdlgydF4y2Ba
:gydF4y2Ba
HatMatrix = mdl.Diagnostics.HatMatrix;gydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
分散gydF4y2Ba
- - - - - -gydF4y2Ba方差比例因子的响应gydF4y2Ba
数字标量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
比例因子的方差响应,指定为一个数字标量。gydF4y2Ba
如果gydF4y2Ba“DispersionFlag”gydF4y2Ba
名称-值对的观点gydF4y2BafitglmgydF4y2Ba
或gydF4y2BastepwiseglmgydF4y2Ba
是gydF4y2Ba真正的gydF4y2Ba
,然后函数估计gydF4y2Ba分散gydF4y2Ba
比例因子计算的方差响应。响应的方差等于理论方差乘以比例因子。gydF4y2Ba
例如,二项分布的方差函数gydF4y2BapgydF4y2Ba(1 -gydF4y2BapgydF4y2Ba)/gydF4y2BangydF4y2Ba,在那里gydF4y2BapgydF4y2Ba参数和的概率是多少gydF4y2BangydF4y2Ba是样本容量参数。如果gydF4y2Ba分散gydF4y2Ba
近了gydF4y2Ba1gydF4y2Ba
,数据的方差似乎同意二项分布的理论差异。如果gydF4y2Ba分散gydF4y2Ba
大于gydF4y2Ba1gydF4y2Ba
数据集是“overdispersed”相对于二项分布。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
DispersionEstimatedgydF4y2Ba
- - - - - -gydF4y2Ba国旗表明分散尺度因子的使用gydF4y2Ba
逻辑值gydF4y2Ba
这个属性是只读的。gydF4y2Ba
国旗表明是否gydF4y2BafitglmgydF4y2Ba
使用了gydF4y2Ba分散gydF4y2Ba
比例因子来计算系数的标准误差gydF4y2BaCoefficients.SEgydF4y2Ba
,指定为一个逻辑值。如果gydF4y2BaDispersionEstimatedgydF4y2Ba
是gydF4y2Ba假gydF4y2Ba
,gydF4y2BafitglmgydF4y2Ba
使用方差的理论价值。gydF4y2Ba
DispersionEstimatedgydF4y2Ba
可以gydF4y2Ba假gydF4y2Ba
仅为二项式和泊松分布。gydF4y2Ba集gydF4y2Ba
DispersionEstimatedgydF4y2Ba
通过设置gydF4y2Ba“DispersionFlag”gydF4y2Ba
名称-值对的观点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gydF4y2Ba
这个属性是只读的。gydF4y2Ba
安装(预测)值基于输入数据,指定为一个表,其中包含为每个观察一行和列在这个表中描述。gydF4y2Ba
列gydF4y2Ba | 描述gydF4y2Ba |
---|---|
响应gydF4y2Ba |
预测值的响应gydF4y2Ba |
LinearPredictorgydF4y2Ba |
预测值的预测因子的线性组合(一样的链接函数应用到gydF4y2Ba响应gydF4y2Ba 拟合值)gydF4y2Ba |
概率gydF4y2Ba |
拟合概率(只包括二项分布)gydF4y2Ba |
获得这些列向量,索引属性使用点符号。例如,获取向量gydF4y2BafgydF4y2Ba
模型的拟合值响应规模gydF4y2BamdlgydF4y2Ba
:gydF4y2Ba
f = mdl.Fitted.ResponsegydF4y2Ba
使用gydF4y2Ba预测gydF4y2Ba
对其他预测值来计算预测或计算置信界限gydF4y2Ba安装gydF4y2Ba
。gydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
LogLikelihoodgydF4y2Ba
- - - - - -gydF4y2BaLoglikelihoodgydF4y2Ba
数值gydF4y2Ba
这个属性是只读的。gydF4y2Ba
Loglikelihood分布模型的响应值,指定为一个数值。的意思是安装模式,和其他参数估计的模型。gydF4y2Ba
数据类型:gydF4y2Ba单gydF4y2Ba
|gydF4y2Ba双gydF4y2Ba
ModelCriteriongydF4y2Ba
- - - - - -gydF4y2Ba标准模型的比较gydF4y2Ba
结构gydF4y2Ba
这个属性是只读的。gydF4y2Ba
标准模型比较,与这些字段指定为一个结构:gydF4y2Ba
另类投资会议gydF4y2Ba
——Akaike信息标准。gydF4y2BaAIC = 2 * logL + 2 * mgydF4y2Ba
,在那里gydF4y2BalogLgydF4y2Ba
loglikelihood和gydF4y2Ba米gydF4y2Ba
是估计的数量参数。gydF4y2BaAICcgydF4y2Ba
——Akaike信息标准样本大小的修正。gydF4y2BaAICc = AIC + (2 * m * (m + 1) / (n - m - 1)gydF4y2Ba
,在那里gydF4y2BangydF4y2Ba
是观测的数量。gydF4y2BaBICgydF4y2Ba
——贝叶斯信息准则。gydF4y2BaBIC = 2 * logL + m * log (n)gydF4y2Ba
。gydF4y2Ba中安集团经贸gydF4y2Ba
——Akaike信息准则一致。gydF4y2Ba中安集团经贸= 2 * logL + m * (log (n) + 1)gydF4y2Ba
。gydF4y2Ba
信息标准模型选择工具,您可以使用多个模型比较适合相同的数据。这些标准是基于可能性模型适合的措施,包括惩罚复杂性(具体来说,参数的个数)。不同的信息形式的处罚标准是有区别的。gydF4y2Ba
当你比较多个模型,模型信息准则值最低的最佳拟合模型。最佳拟合模型取决于使用的标准模型的比较。gydF4y2Ba
获得的任何准则值作为一个标量,索引属性使用点符号。例如,获得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残差拟合模型gydF4y2Ba
表gydF4y2Ba
这个属性是只读的。gydF4y2Ba
残差拟合模型,指定为一个表,其中包含为每个观察一行和列在这个表中描述。gydF4y2Ba
列gydF4y2Ba | 描述gydF4y2Ba |
---|---|
生gydF4y2Ba |
观察-拟合值gydF4y2Ba |
LinearPredictorgydF4y2Ba |
在线性预测残差,等于调整响应值减去拟合预测因子的线性组合gydF4y2Ba |
皮尔森gydF4y2Ba |
原始残差除以响应的估计标准偏差gydF4y2Ba |
安斯科姆gydF4y2Ba |
残差上定义转换数据的转换选择去除偏态gydF4y2Ba |
异常gydF4y2Ba |
残差的基础上每个观察到异常的贡献gydF4y2Ba |
行中使用不适合,因为(在缺失值gydF4y2BaObservationInfo.MissinggydF4y2Ba
)包含gydF4y2Ba南gydF4y2Ba
值。gydF4y2Ba
获得这些列向量,索引属性使用点符号。例如,获得普通生残余向量gydF4y2BargydF4y2Ba
在模型中gydF4y2BamdlgydF4y2Ba
:gydF4y2Ba
r = mdl.Residuals.RawgydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
RsquaredgydF4y2Ba
- - - - - -gydF4y2Ba平方值的模型gydF4y2Ba
结构gydF4y2Ba
这个属性是只读的。gydF4y2Ba
平方值的模型,指定为一个结构有五个领域。gydF4y2Ba
场gydF4y2Ba | 描述gydF4y2Ba | 方程gydF4y2Ba |
---|---|---|
普通的gydF4y2Ba |
普通(调整)的平方gydF4y2Ba |
|
调整gydF4y2Ba |
平方数调整后的系数gydF4y2Ba |
NgydF4y2Ba是观测的数量(gydF4y2Ba |
LLRgydF4y2Ba |
Loglikelihood比率gydF4y2Ba |
lgydF4y2Ba的loglikelihood拟合模型(gydF4y2Ba |
异常gydF4y2Ba |
偏差平方gydF4y2Ba |
DgydF4y2Ba拟合模型的异常(gydF4y2Ba |
AdjGeneralizedgydF4y2Ba |
调整广义平方gydF4y2Ba |
RgydF4y2Ba2gydF4y2BaAdjGeneralizedgydF4y2Ba是Nagelkerke调整gydF4y2Ba[2]gydF4y2BaMaddala提出的公式gydF4y2Ba[3]gydF4y2Ba考克斯和斯奈尔gydF4y2Ba[4]gydF4y2Ba,麦基gydF4y2Ba[5]gydF4y2Ba逻辑回归模型。gydF4y2Ba |
获得这些值作为一个标量,索引属性使用点符号。例如,在模型中得到调整后的平方值gydF4y2BamdlgydF4y2Ba
,输入:gydF4y2Ba
r2 = mdl.Rsquared.AdjustedgydF4y2Ba
数据类型:gydF4y2Ba结构体gydF4y2Ba
上交所gydF4y2Ba
- - - - - -gydF4y2Ba的平方误差的总和gydF4y2Ba
数值gydF4y2Ba
这个属性是只读的。gydF4y2Ba
平方误差的总和(残差),指定为一个数值。如果模型与观测的重量训练,的平方和gydF4y2Ba上交所gydF4y2Ba
计算加权平方和。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
这个属性是只读的。gydF4y2Ba
回归平方和,指定为一个数值。gydF4y2Ba苏维埃社会主义共和国gydF4y2Ba
等于平方偏差之和之间的拟合值和响应的均值。如果模型与观测的重量训练,的平方和gydF4y2Ba苏维埃社会主义共和国gydF4y2Ba
计算加权平方和。gydF4y2Ba
数据类型:gydF4y2Ba单gydF4y2Ba
|gydF4y2Ba双gydF4y2Ba
风场gydF4y2Ba
- - - - - -gydF4y2Ba总平方和gydF4y2Ba
数值gydF4y2Ba
这个属性是只读的。gydF4y2Ba
总平方和,指定为一个数值。gydF4y2Ba风场gydF4y2Ba
等于偏差的平方和的响应向量gydF4y2BaygydF4y2Ba
从gydF4y2Ba意思是(y)gydF4y2Ba
。如果模型与观测的重量训练,的平方和gydF4y2Ba风场gydF4y2Ba
计算加权平方和。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
这个属性是只读的。gydF4y2Ba
分段拟合信息,指定为这个表结构描述的领域。gydF4y2Ba
场gydF4y2Ba | 描述gydF4y2Ba |
---|---|
开始gydF4y2Ba |
代表起始模型公式gydF4y2Ba |
较低的gydF4y2Ba |
代表下界公式模型。的条款gydF4y2Ba较低的gydF4y2Ba 在模型中必须保持。gydF4y2Ba |
上gydF4y2Ba |
代表上限公式模型。该模型不能包含更多的比gydF4y2Ba上gydF4y2Ba 。gydF4y2Ba |
标准gydF4y2Ba |
标准用于分段算法,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 删除一个术语gydF4y2Ba |
历史gydF4y2Ba |
表代表中所需要的步骤gydF4y2Ba |
的gydF4y2Ba历史gydF4y2Ba
每一步的表包含一行,包括最初的适应,和列在这个表中描述。gydF4y2Ba
列gydF4y2Ba | 描述gydF4y2Ba |
---|---|
行动gydF4y2Ba |
期间的行动步骤:gydF4y2Ba
|
TermNamegydF4y2Ba |
|
条款gydF4y2Ba |
模型规范的gydF4y2Ba计算矩阵gydF4y2Ba |
DFgydF4y2Ba |
回归后的自由度的一步gydF4y2Ba |
delDFgydF4y2Ba |
上一步回归自由度变化的步骤删除一个术语(负)gydF4y2Ba |
异常gydF4y2Ba |
异常(剩余平方和)步骤(只对广义线性回归模型)gydF4y2Ba |
函数gydF4y2Ba |
FgydF4y2Ba统计这导致了一步gydF4y2Ba |
PValuegydF4y2Ba |
pgydF4y2Ba价值的gydF4y2BaFgydF4y2Ba统计gydF4y2Ba |
结构是空的,除非你适合使用逐步回归模型。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
这个属性是只读的。gydF4y2Ba
广义分布信息,指定为一个结构与此表中描述的领域。gydF4y2Ba
场gydF4y2Ba | 描述gydF4y2Ba |
---|---|
的名字gydF4y2Ba |
地理分布: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 |
函数,计算偏差的组件的函数拟合参数值和响应值gydF4y2Ba |
VarianceFunctiongydF4y2Ba |
函数计算理论方差分布函数的拟合参数值。当gydF4y2BaDispersionEstimatedgydF4y2Ba 是gydF4y2Ba真正的gydF4y2Ba ,软件繁殖方差函数gydF4y2Ba分散gydF4y2Ba 在系数的计算标准错误。gydF4y2Ba |
数据类型:gydF4y2Ba结构体gydF4y2Ba
公式gydF4y2Ba
- - - - - -gydF4y2Ba模型信息gydF4y2Ba
LinearFormulagydF4y2Ba
对象gydF4y2Ba
这个属性是只读的。gydF4y2Ba
模型信息,指定为一个gydF4y2BaLinearFormulagydF4y2Ba
对象。gydF4y2Ba
显示的公式拟合模型gydF4y2BamdlgydF4y2Ba
使用点符号:gydF4y2Ba
mdl.FormulagydF4y2Ba
链接gydF4y2Ba
- - - - - -gydF4y2Ba链接功能gydF4y2Ba
结构gydF4y2Ba
这个属性是只读的。gydF4y2Ba
链接功能,指定为一个结构与此表中描述的领域。gydF4y2Ba
场gydF4y2Ba | 描述gydF4y2Ba |
---|---|
的名字gydF4y2Ba |
链接的函数名称,指定为一个特征向量。如果你指定链接函数使用一个函数处理,gydF4y2Ba的名字gydF4y2Ba 是gydF4y2Ba”gydF4y2Ba 。gydF4y2Ba |
链接gydF4y2Ba |
函数gydF4y2BafgydF4y2Ba定义函数的联系,指定为一个函数处理gydF4y2Ba |
导数gydF4y2Ba |
的导数gydF4y2BafgydF4y2Ba,指定为一个函数处理gydF4y2Ba |
逆gydF4y2Ba |
逆的gydF4y2BafgydF4y2Ba,指定为一个函数处理gydF4y2Ba |
函数是一个函数的链接gydF4y2BafgydF4y2Ba链接分布参数gydF4y2BaμgydF4y2Ba拟合线性组合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
这个属性是只读的。gydF4y2Ba
数用于拟合观测数据的拟合函数,指定为一个正整数。gydF4y2BaNumObservationsgydF4y2Ba
是观测的数量提供原始表,数据集,或矩阵,减去任何排除行(设置的gydF4y2Ba“排除”gydF4y2Ba
名称-值对参数)或具有缺失值的行。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
NumPredictorsgydF4y2Ba
- - - - - -gydF4y2Ba数量的预测变量gydF4y2Ba
正整数gydF4y2Ba
这个属性是只读的。gydF4y2Ba
以适应模型,使用数量的预测变量指定为一个正整数。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
NumVariablesgydF4y2Ba
- - - - - -gydF4y2Ba数量的变量gydF4y2Ba
正整数gydF4y2Ba
这个属性是只读的。gydF4y2Ba
输入数据的变量数量,指定为一个正整数。gydF4y2BaNumVariablesgydF4y2Ba
是变量的数量在原始表或数据集,或预测矩阵中的列的总数和响应向量。gydF4y2Ba
NumVariablesgydF4y2Ba
还包括任何变量,不习惯适应模型作为预测或响应。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
ObservationInfogydF4y2Ba
- - - - - -gydF4y2Ba观测信息gydF4y2Ba
表gydF4y2Ba
这个属性是只读的。gydF4y2Ba
观察信息,指定为一个gydF4y2BangydF4y2Ba表4,gydF4y2BangydF4y2Ba等于输入数据的行数。gydF4y2BaObservationInfogydF4y2Ba
包含这个表中描述的列。gydF4y2Ba
列gydF4y2Ba | 描述gydF4y2Ba |
---|---|
权重gydF4y2Ba |
观察体重、指定为一个数值。默认值是gydF4y2Ba1gydF4y2Ba 。gydF4y2Ba |
被排除在外gydF4y2Ba |
的指标排除观察,指定为一个逻辑值。这个值是gydF4y2Ba真正的gydF4y2Ba 如果你观察排除在适合使用gydF4y2Ba“排除”gydF4y2Ba 名称-值对的论点。gydF4y2Ba |
失踪gydF4y2Ba |
失踪的观察指标,指定为一个逻辑值。这个值是gydF4y2Ba真正的gydF4y2Ba 如果观察失踪。gydF4y2Ba |
子集gydF4y2Ba |
指标的拟合函数是否使用观察,指定为一个逻辑值。这个值是gydF4y2Ba真正的gydF4y2Ba 如果观察不排除或失踪,这意味着观察拟合函数使用。gydF4y2Ba |
获得这些列向量,索引属性使用点符号。例如,获取权向量gydF4y2BawgydF4y2Ba
模型的gydF4y2BamdlgydF4y2Ba
:gydF4y2Ba
w = mdl.ObservationInfo.WeightsgydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
ObservationNamesgydF4y2Ba
- - - - - -gydF4y2Ba观察的名字gydF4y2Ba
单元阵列的特征向量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
观察名称指定为特征向量的单元阵列包含观测中使用的名称。gydF4y2Ba
如果符合基于一个表或包含观测数据集名称,gydF4y2Ba
ObservationNamesgydF4y2Ba
使用这些名称。gydF4y2Ba否则,gydF4y2Ba
ObservationNamesgydF4y2Ba
是一个空单元数组。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
抵消gydF4y2Ba
- - - - - -gydF4y2Ba抵消变量gydF4y2Ba
数值向量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
抵消变量指定为一个数字相同的向量数据的行数。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
作为一个额外的固定在预测变量的系数值gydF4y2Ba1gydF4y2Ba
。换句话说,拟合的公式gydF4y2Ba
fgydF4y2Ba(gydF4y2BaμgydF4y2Ba)gydF4y2Ba~抵消+(条款涉及的预测)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。假设的数量成正比计数理论闻名理由预测gydF4y2Ba一个gydF4y2Ba
。通过使用日志功能,通过指定链接gydF4y2Ba日志(一)gydF4y2Ba
作为补偿,你可以迫使模型来满足这个理论的约束。gydF4y2Ba
数据类型:gydF4y2Ba双gydF4y2Ba
PredictorNamesgydF4y2Ba
- - - - - -gydF4y2Ba名字适合使用的预测模型gydF4y2Ba
单元阵列的特征向量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
名字适合使用的预测模型,指定为一个单元阵列的特征向量。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
ResponseNamegydF4y2Ba
- - - - - -gydF4y2Ba响应变量名gydF4y2Ba
特征向量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
响应变量名称,指定为一个特征向量。gydF4y2Ba
数据类型:gydF4y2Ba字符gydF4y2Ba
VariableInfogydF4y2Ba
- - - - - -gydF4y2Ba信息变量gydF4y2Ba
表gydF4y2Ba
这个属性是只读的。gydF4y2Ba
变量中包含的信息gydF4y2Ba变量gydF4y2Ba
,指定为一个表为每个变量与一行和列在这个表中描述。gydF4y2Ba
列gydF4y2Ba | 描述gydF4y2Ba |
---|---|
类gydF4y2Ba |
变量类,指定为一个单元阵列的特征向量,如gydF4y2Ba“双”gydF4y2Ba 和gydF4y2Ba“分类”gydF4y2Ba |
范围gydF4y2Ba |
变量范围,指定为一个单元阵列的向量gydF4y2Ba
|
InModelgydF4y2Ba |
的指标变量的拟合模型,指定为一个逻辑向量。这个值是gydF4y2Ba真正的gydF4y2Ba 如果模型包括变量。gydF4y2Ba |
IsCategoricalgydF4y2Ba |
指标的分类变量指定为一个逻辑向量。这个值是gydF4y2Ba真正的gydF4y2Ba 如果变量是分类。gydF4y2Ba |
VariableInfogydF4y2Ba
还包括任何变量,不习惯适应模型作为预测或响应。gydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
VariableNamesgydF4y2Ba
- - - - - -gydF4y2Ba变量的名字gydF4y2Ba
单元阵列的特征向量gydF4y2Ba
这个属性是只读的。gydF4y2Ba
变量的名字,指定为一个单元阵列的特征向量。gydF4y2Ba
如果符合基于一个表或数据集,这个属性提供了表中的变量或数据集的名称。gydF4y2Ba
如果适合基于预测矩阵和响应向量,gydF4y2Ba
VariableNamesgydF4y2Ba
包含指定的值gydF4y2Ba“VarNames”gydF4y2Ba
名称-值对参数的拟合方法。的默认值gydF4y2Ba“VarNames”gydF4y2Ba
是gydF4y2Ba{x1, x2,…,‘xn’,‘y’}gydF4y2Ba
。gydF4y2Ba
VariableNamesgydF4y2Ba
还包括任何变量,不习惯适应模型作为预测或响应。gydF4y2Ba
数据类型:gydF4y2Ba细胞gydF4y2Ba
变量gydF4y2Ba
- - - - - -gydF4y2Ba输入数据gydF4y2Ba
表gydF4y2Ba
这个属性是只读的。gydF4y2Ba
输入数据,指定为一个表。gydF4y2Ba变量gydF4y2Ba
包含预测和响应值。如果合适的数据集是基于一个表或数组,gydF4y2Ba变量gydF4y2Ba
包含了所有的数据表或数据集的数组。否则,gydF4y2Ba变量gydF4y2Ba
从输入数据矩阵表创建gydF4y2BaXgydF4y2Ba
和响应向量gydF4y2BaygydF4y2Ba
。gydF4y2Ba
变量gydF4y2Ba
还包括任何变量,不习惯适应模型作为预测或响应。gydF4y2Ba
数据类型:gydF4y2Ba表gydF4y2Ba
对象的功能gydF4y2Ba
创建gydF4y2BaCompactGeneralizedLinearModelgydF4y2Ba
紧凑的gydF4y2Ba |
紧凑的广义线性回归模型gydF4y2Ba |
添加或删除从广义线性模型gydF4y2Ba
addTermsgydF4y2Ba |
广义线性回归模型添加条款gydF4y2Ba |
removeTermsgydF4y2Ba |
删除从广义线性回归模型gydF4y2Ba |
一步gydF4y2Ba |
改善广义线性回归模型,添加或删除gydF4y2Ba |
预测的反应gydF4y2Ba
函数宏指令gydF4y2Ba |
广义线性回归模型的预测反应为每个预测使用一个输入gydF4y2Ba |
预测gydF4y2Ba |
广义线性回归模型的预测的反应gydF4y2Ba |
随机gydF4y2Ba |
模拟反应广义线性回归模型的随机噪声gydF4y2Ba |
广义线性模型进行评估gydF4y2Ba
coefCIgydF4y2Ba |
置信区间系数广义线性回归模型的估计gydF4y2Ba |
coefTestgydF4y2Ba |
线性假设检验在广义线性回归模型系数gydF4y2Ba |
devianceTestgydF4y2Ba |
分析广义线性回归模型的异常gydF4y2Ba |
partialDependencegydF4y2Ba |
计算部分依赖gydF4y2Ba |
可视化广义线性模型和汇总统计gydF4y2Ba
plotDiagnosticsgydF4y2Ba |
广义线性回归模型的情节观察诊断gydF4y2Ba |
plotPartialDependencegydF4y2Ba |
创建部分依赖图(PDP)和个人条件期望(ICE)情节gydF4y2Ba |
plotResidualsgydF4y2Ba |
情节广义线性回归模型的残差gydF4y2Ba |
plotSlicegydF4y2Ba |
通过拟合广义线性回归的情节片表面gydF4y2Ba |
收集广义线性模型的属性gydF4y2Ba
收集gydF4y2Ba |
收集的属性gydF4y2Ba统计和机器学习工具gydF4y2Ba对象从GPUgydF4y2Ba |
例子gydF4y2Ba
创建广义线性回归模型gydF4y2Ba
适合吸烟的概率逻辑回归模型的函数的年龄,体重,和性,使用双向交互模型。gydF4y2Ba
加载gydF4y2Ba医院gydF4y2Ba
数据集。gydF4y2Ba
负载gydF4y2Ba医院gydF4y2Ba
数据数组转换为一个表。gydF4y2Ba
台= dataset2table(医院);gydF4y2Ba
指定模型使用一个公式,包括双向交互和低阶项。gydF4y2Ba
modelspec =gydF4y2Ba“吸烟者~年龄*重量*性别-年龄:重量:性的gydF4y2Ba;gydF4y2Ba
创建广义线性模型。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:分对数(吸烟)~ 1 +性别*年龄+性别*重量+年龄*重量分配=二项式系数估计:估计SE tStat pValue ___________ _____ ________ _________(拦截)Sex_Male 0.75938 -6.0492 19.749 -0.3063 -2.2859 12.424 -0.18399 0.85402年龄体重0.11691 0.50977 0.22934 0.81861 0.031109 0.15208 0.20455 0.83792 Sex_Male:年龄0.020734 0.20681 0.10025 0.92014 Sex_Male:体重0.01216 - 0.053168 0.22871 - 0.8191年龄:体重-0.00071959 - 0.0038964 -0.18468 - 0.85348 100观察,93错误自由度色散:1 x ^ 2-statistic与常数模型:5.07,p = 0.535gydF4y2Ba
大gydF4y2BapgydF4y2Ba值表明,模型可能没有统计上的不同一个常数。gydF4y2Ba
使用逐步回归创建广义线性回归模型gydF4y2Ba
使用三个20个预测变量创建响应数据,并创建一个广义线性模型利用一个常数的逐步回归模型来看看gydF4y2BastepwiseglmgydF4y2Ba
找到正确的预测。gydF4y2Ba
生成样本数据,有20个预测变量。使用三个泊松预测产生的响应变量。gydF4y2Ba
rnggydF4y2Ba默认的gydF4y2Ba%的再现性gydF4y2Ba20 X = randn (100);μ= exp (X (: [5 10 15]) * [。4; 2。3)+ 1);y = poissrnd(μ);gydF4y2Ba
适合使用泊松分布的广义线性回归模型。指定起始模型作为模型只包含一个常数(拦截)。同时,指定为每个预测模型与一个拦截和线性项作为最大的模型认为适合使用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。添加x5,异常= 134.439,Chi2Stat = 52.24814, PValue = 4.891229 e-13 2。添加连接,异常= 106.285,Chi2Stat = 28.15393, PValue = 1.1204 e-07 3。添加x10,异常= 95.0207,Chi2Stat = 11.2644, PValue = 0.000790094gydF4y2Ba
mdl =广义线性回归模型:日志(y) ~ 1 + x5 + x10 + x15 =泊松分布估计系数:估计SE tStat pValue说______ __________(拦截)1.0115 0.064275 15.737 8.4217 e-56 x5 e-09 x10 0.18863 0.05534 3.4085 3.0977 0.39508 0.066665 5.9263 0.0006532 x15 0.29295 0.053269 5.4995 3.8089 100年e-08观察,96错误自由度色散:1 x ^ 2-statistic与常数模型:91.7,p = 9.61 e-20gydF4y2Ba
stepwiseglmgydF4y2Ba
发现三个正确的预测:gydF4y2Bax5gydF4y2Ba
,gydF4y2Bax10gydF4y2Ba
,gydF4y2Ba连接gydF4y2Ba
。gydF4y2Ba
更多关于gydF4y2Ba
规范的链接功能gydF4y2Ba
默认链接函数的广义线性模型gydF4y2Ba规范的链接功能gydF4y2Ba。您可以指定一个链接函数当你适合一个模型gydF4y2BafitglmgydF4y2Ba
或gydF4y2BastepwiseglmgydF4y2Ba
通过使用gydF4y2Ba“链接”gydF4y2Ba
名称-值对的论点。gydF4y2Ba
分布gydF4y2Ba | 规范的链接函数名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 |
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 /gydF4y2BaμgydF4y2Ba2gydF4y2Ba | μgydF4y2Ba= (gydF4y2BaXbgydF4y2Ba)gydF4y2Ba1/2gydF4y2Ba |
库克的距离gydF4y2Ba
库克的距离比例的变化拟合值,用于识别异常值的预测变量的观测。库克的距离显示了安装上的每个观测响应值的影响。观察与库克的距离大于三倍的意思是库克的距离可能是局外人。gydF4y2Ba
库克的距离gydF4y2BaDgydF4y2Ba我gydF4y2Ba的观察gydF4y2Ba我gydF4y2Ba是gydF4y2Ba
在哪里gydF4y2Ba
是色散参数(估计或理论)。gydF4y2Ba
egydF4y2Ba我gydF4y2Ba线性预测残留,gydF4y2Ba ,在那里gydF4y2Ba
ggydF4y2Ba是链接功能。gydF4y2Ba
ygydF4y2Ba我gydF4y2Ba是观察到的反应。gydF4y2Ba
xgydF4y2Ba我gydF4y2Ba是观察。gydF4y2Ba
是估计的系数向量。gydF4y2Ba
pgydF4y2Ba回归模型系数的数量。gydF4y2Ba
hgydF4y2Ba二世gydF4y2Ba是gydF4y2Ba我gydF4y2Ba的对角元素gydF4y2Ba帽子矩阵gydF4y2BaHgydF4y2Ba。gydF4y2Ba
利用gydF4y2Ba
杠杆率是一个衡量一个特定的影响观察的回归预测由于位置观测空间的输入。gydF4y2Ba
杠杆的观察gydF4y2Ba我gydF4y2Ba的价值吗gydF4y2Ba我gydF4y2Bath对角线项gydF4y2BahgydF4y2Ba二世gydF4y2Ba这顶帽子矩阵gydF4y2BaHgydF4y2Ba。因为杠杆值的总和gydF4y2BapgydF4y2Ba(在回归模型系数的数量),一个观察gydF4y2Ba我gydF4y2Ba可以被认为是一个异类的利用大大超过了gydF4y2BapgydF4y2Ba/gydF4y2BangydF4y2Ba,在那里gydF4y2BangydF4y2Ba是观测的数量。gydF4y2Ba
帽子矩阵gydF4y2Ba
这顶帽子矩阵是一个投影矩阵,项目反应的观察到向量的向量的预测。gydF4y2Ba
这顶帽子矩阵gydF4y2BaHgydF4y2Ba定义的数据矩阵gydF4y2BaXgydF4y2Ba和一个对角矩阵gydF4y2BaWgydF4y2Ba:gydF4y2Ba
HgydF4y2Ba=gydF4y2BaXgydF4y2Ba(gydF4y2BaXgydF4y2BaTgydF4y2Ba的天气gydF4y2Ba)gydF4y2Ba1gydF4y2BaXgydF4y2BaTgydF4y2BaWgydF4y2BaTgydF4y2Ba。gydF4y2Ba
WgydF4y2Ba有对角线元素gydF4y2BawgydF4y2Ba我gydF4y2Ba:gydF4y2Ba
在哪里gydF4y2Ba
ggydF4y2Ba函数映射的联系吗gydF4y2BaygydF4y2Ba我gydF4y2Ba来gydF4y2BaxgydF4y2Ba我gydF4y2BabgydF4y2Ba。gydF4y2Ba
是函数的导数关系吗gydF4y2BaggydF4y2Ba。gydF4y2Ba
VgydF4y2Ba是方差函数。gydF4y2Ba
μgydF4y2Ba我gydF4y2Ba是gydF4y2Ba我gydF4y2Bath的意思。gydF4y2Ba
对角线元素gydF4y2BaHgydF4y2Ba二世gydF4y2Ba满足gydF4y2Ba
在哪里gydF4y2BangydF4y2Ba是观测的数量(行吗gydF4y2BaXgydF4y2Ba),gydF4y2BapgydF4y2Ba回归模型系数的数量。gydF4y2Ba
异常gydF4y2Ba
异常是一个泛化的残差平方和。它措施比饱和模型拟合优度。gydF4y2Ba
一个模型的异常gydF4y2Ba米gydF4y2Ba1gydF4y2Ba两倍的区别的loglikelihood模型gydF4y2Ba米gydF4y2Ba1gydF4y2Ba和饱和模型gydF4y2Ba米gydF4y2Ba年代gydF4y2Ba。饱和模型是模型参数的最大数量,你可以估计。gydF4y2Ba
例如,如果你有gydF4y2BangydF4y2Ba观察(gydF4y2BaygydF4y2Ba我gydF4y2Ba,gydF4y2Ba我gydF4y2Ba= 1,2,…,gydF4y2BangydF4y2Ba)可能不同的值gydF4y2BaXgydF4y2Ba我gydF4y2BaTgydF4y2Baβ,则可以定义一个饱和模型gydF4y2BangydF4y2Ba参数。让gydF4y2BalgydF4y2Ba(gydF4y2BabgydF4y2Ba,gydF4y2BaygydF4y2Ba)表示的最大价值模型的似然函数的参数gydF4y2BabgydF4y2Ba。然后模型的异常gydF4y2Ba米gydF4y2Ba1gydF4y2Ba是gydF4y2Ba
在哪里gydF4y2BabgydF4y2Ba1gydF4y2Ba和gydF4y2BabgydF4y2Ba年代gydF4y2Ba包含估计模型参数gydF4y2Ba米gydF4y2Ba1gydF4y2Ba分别和饱和模型。异常有卡方分布gydF4y2BangydF4y2Ba- - - - - -gydF4y2BapgydF4y2Ba自由度,gydF4y2BangydF4y2Ba是在饱和模型和参数的数量gydF4y2BapgydF4y2Ba在模型中参数的数量吗gydF4y2Ba米gydF4y2Ba1gydF4y2Ba。gydF4y2Ba
假设你有两个不同的广义线性回归模型gydF4y2Ba米gydF4y2Ba1gydF4y2Ba和gydF4y2Ba米gydF4y2Ba2gydF4y2Ba,gydF4y2Ba米gydF4y2Ba1gydF4y2Ba项的子集gydF4y2Ba米gydF4y2Ba2gydF4y2Ba。你可以评估模型的适合通过比较他们的太多gydF4y2BaDgydF4y2Ba1gydF4y2Ba和gydF4y2BaDgydF4y2Ba2gydF4y2Ba。太多的差异gydF4y2Ba
渐近,gydF4y2BaDgydF4y2Ba卡方分布与自由度gydF4y2BavgydF4y2Ba等于参数的数量估计的差异gydF4y2Ba米gydF4y2Ba1gydF4y2Ba和gydF4y2Ba米gydF4y2Ba2gydF4y2Ba。你可以获得gydF4y2BapgydF4y2Ba这个测试通过使用价值gydF4y2Ba1 - chi2cdf (D, v)gydF4y2Ba
。gydF4y2Ba
通常,您检查gydF4y2BaDgydF4y2Ba使用一个模型gydF4y2Ba米gydF4y2Ba2gydF4y2Ba与一个常数项,没有预测。因此,gydF4y2BaDgydF4y2Ba有一个卡方分布gydF4y2BapgydF4y2Ba- 1gydF4y2Ba的自由度。如果分散估计,除以估计色散有差异gydF4y2BaFgydF4y2Ba分布与gydF4y2BapgydF4y2Ba- 1gydF4y2Ba分子的自由度gydF4y2BangydF4y2Ba- - - - - -gydF4y2BapgydF4y2Ba分母的自由度。gydF4y2Ba
计算矩阵gydF4y2Ba
一个条件矩阵gydF4y2BaTgydF4y2Ba
是一个gydF4y2BatgydF4y2Ba————(gydF4y2BapgydF4y2Ba+ 1)矩阵指定术语在一个模型中,在那里gydF4y2BatgydF4y2Ba术语的数量,gydF4y2BapgydF4y2Ba预测变量的数量,+ 1占响应变量。的价值gydF4y2BaT (i, j)gydF4y2Ba
是变量的指数吗gydF4y2BajgydF4y2Ba
在术语gydF4y2Ba我gydF4y2Ba
。gydF4y2Ba
例如,假设一个输入包括三个预测变量gydF4y2Bax1gydF4y2Ba
,gydF4y2Bax2gydF4y2Ba
,gydF4y2Bax3gydF4y2Ba
和响应变量gydF4y2BaygydF4y2Ba
的顺序gydF4y2Bax1gydF4y2Ba
,gydF4y2Bax2gydF4y2Ba
,gydF4y2Bax3gydF4y2Ba
,gydF4y2BaygydF4y2Ba
。每一行的gydF4y2BaTgydF4y2Ba
代表一个术语:gydF4y2Ba
[0 0 0 0]gydF4y2Ba
——常数项或拦截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 0)gydF4y2Ba
- - - - - -gydF4y2Bax1 ^ 2gydF4y2Ba
[0 1 2 0]gydF4y2Ba
- - - - - -gydF4y2Bax2 * (x3 ^ 2)gydF4y2Ba
的gydF4y2Ba0gydF4y2Ba
的每一项代表了响应变量。一般来说,一个列向量的零矩阵代表反应变量的位置。如果你有预测和响应变量在一个矩阵列向量,然后你必须包括gydF4y2Ba0gydF4y2Ba
为响应变量在每一行的最后一列。gydF4y2Ba
引用gydF4y2Ba
[1]麦克费登,丹尼尔。“有条件分对数分析定性选择行为。”gydF4y2Ba计量经济学前沿gydF4y2Ba,由p . Zarembka编辑,105 - 42。纽约:学术出版社,1974年。gydF4y2Ba
[2]Nagelkerke: j . D。“注意确定系数的一般定义。”gydF4y2Ba生物统计学gydF4y2Ba78年,没有。3 (1991):691 - 92。gydF4y2Ba
[3]Maddala, Gangadharrao年代。gydF4y2Ba在计量经济学Limited-Dependent和定性变量。gydF4y2Ba计量经济学社会专著。纽约:剑桥大学出版社,1983年。gydF4y2Ba
[4]考克斯·d·R。,E. J. Snell.二进制数据的分析。gydF4y2Ba第二版。专著应用概率统计和32。伦敦;纽约:查普曼和大厅,1989。gydF4y2Ba
[5]麦基,朗尼。“R 2措施基于瓦尔德和似然比联合测试意义。”gydF4y2Ba美国统计学家gydF4y2Ba44岁的没有。3(1990年8月):250 - 53年。gydF4y2Ba
扩展功能gydF4y2Ba
C / c++代码生成gydF4y2Ba
生成C和c++代码使用MATLAB®编码器™。gydF4y2Ba
使用笔记和限制:gydF4y2Ba
的gydF4y2Ba
预测gydF4y2Ba
和gydF4y2Ba随机gydF4y2Ba
代码生成功能支持。金宝appgydF4y2Ba当你适应模型通过使用gydF4y2Ba
fitglmgydF4y2Ba
或gydF4y2BastepwiseglmgydF4y2Ba
,你就不能指定gydF4y2Ba链接gydF4y2Ba
,gydF4y2Ba导数gydF4y2Ba
,gydF4y2Ba逆gydF4y2Ba
的字段gydF4y2Ba“链接”gydF4y2Ba
名称-值对的论点是匿名函数。也就是说,您不能使用广义线性模型生成代码使用匿名函数来创建链接。相反,为链接组件定义函数。gydF4y2Ba
有关更多信息,请参见gydF4y2Ba介绍代码生成gydF4y2Ba。gydF4y2Ba
GPU数组gydF4y2Ba
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。gydF4y2Ba
使用笔记和限制:gydF4y2Ba
对象的功能gydF4y2Ba
GeneralizedLinearModelgydF4y2Ba
模型完全支持GPU数组。金宝appgydF4y2Ba
有关更多信息,请参见gydF4y2Ba运行在GPU MATLAB函数gydF4y2Ba(并行计算工具箱)gydF4y2Ba。gydF4y2Ba
版本历史gydF4y2Ba
介绍了R2012agydF4y2Ba
另请参阅gydF4y2Ba
fitglmgydF4y2Ba
|gydF4y2BastepwiseglmgydF4y2Ba
|gydF4y2BaLinearModelgydF4y2Ba
|gydF4y2BaNonLinearModelgydF4y2Ba
|gydF4y2BaCompactGeneralizedLinearModelgydF4y2Ba
主题gydF4y2Ba
MATLAB命令gydF4y2Ba
你点击一个链接对应MATLAB命令:gydF4y2Ba
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝appgydF4y2Ba
选择一个网站gydF4y2Ba
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:gydF4y2Ba。gydF4y2Ba
你也可以从下面的列表中选择一个网站:gydF4y2Ba
表现最好的网站怎么走吗gydF4y2Ba
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。gydF4y2Ba
美洲gydF4y2Ba
- 美国拉丁gydF4y2Ba(西班牙语)gydF4y2Ba
- 加拿大gydF4y2Ba(英语)gydF4y2Ba
- 美国gydF4y2Ba(英语)gydF4y2Ba
欧洲gydF4y2Ba
- 比利时gydF4y2Ba(英语)gydF4y2Ba
- 丹麦gydF4y2Ba(英语)gydF4y2Ba
- 德国gydF4y2Ba(德语)gydF4y2Ba
- 西班牙gydF4y2Ba(西班牙语)gydF4y2Ba
- 芬兰gydF4y2Ba(英语)gydF4y2Ba
- 法国gydF4y2Ba(法语)gydF4y2Ba
- 爱尔兰gydF4y2Ba(英语)gydF4y2Ba
- 意大利gydF4y2Ba(意大利语)gydF4y2Ba
- 卢森堡gydF4y2Ba(英语)gydF4y2Ba
- 荷兰gydF4y2Ba(英语)gydF4y2Ba
- 挪威gydF4y2Ba(英语)gydF4y2Ba
- 奥地利gydF4y2Ba(德语)gydF4y2Ba
- 葡萄牙gydF4y2Ba(英语)gydF4y2Ba
- 瑞典gydF4y2Ba(英语)gydF4y2Ba
- 瑞士gydF4y2Ba
- 联合王国gydF4y2Ba(英语)gydF4y2Ba
亚太地区gydF4y2Ba
- 澳大利亚gydF4y2Ba(英语)gydF4y2Ba
- 印度gydF4y2Ba(英语)gydF4y2Ba
- 新西兰gydF4y2Ba(英语)gydF4y2Ba
- 中国gydF4y2Ba
- 日本gydF4y2Ba(日本語)gydF4y2Ba
- 한국gydF4y2Ba(한국어)gydF4y2Ba