glmfit
广义线性模型回归
语法
b = glmfit (X, y,
分配
)
b = glmfit (X, y,分配
,param1
,val1
,param2
,val2
,……)
[b, dev] = glmfit (…)
[b, dev,统计]= glmfit (…)
描述
b = glmfit (X, y,
返回一个(p+ 1)1的向量分配
)b
广义线性回归系数估计的反应y
在预测X
,使用分布
。分配
X
是一个n——- - - - - -p矩阵的p预测在每个n观察。分配
可以有下列:“二”
,“伽马”
,逆高斯分布的
,“正常”
(默认),“泊松”
。
在大多数情况下,y
是一个n1矢量观察到的反应。二项分布,y
可以是一个二进制向量在每个观察指示成功或失败,或两列矩阵的第一列显示成功的数量为每个观察和第二列显示的数量为每个观测试验。
这个语法使用规范的链接(见下文)与分布预测。
注意:默认情况下, |
glmfit
对待南
年代在X
或y
作为缺失值,忽略了它们。
b = glmfit (X, y,
此外允许您指定可选参数名称/值对控制模型。可接受的参数如下。分配
,param1
,val1
,param2
,val2
,……)
参数 | 价值 | 描述 |
---|---|---|
“链接” |
|
µ=Xb |
|
日志(µ)=Xb |
|
|
日志(µ/ (1 -µ))=Xb |
|
“probit” |
norminv (µ)=Xb |
|
“comploglog” |
日志(日志(1 -µ))=Xb |
|
“互惠” ,默认的分布“伽马” |
1 /µ=Xb |
|
|
日志(日志(µ))=Xb |
|
|
µp=Xb |
|
单元阵列的形式 |
自定义链接功能。你必须提供
|
|
结构数组有这些字段:
每个字段的值是一个特征向量对应一个函数,在路径或一个函数处理(创建使用 |
自定义链接功能,它的导数,它的逆矩阵。 | |
“estdisp” |
“上” |
色散参数估计的二项或泊松分布。 |
|
使用这些分布的理论值为1.0。 |
|
“抵消” |
向量 |
作为一个额外的预测变量,但系数值固定在1.0。 |
“重量” |
向量的权重之前,如每个观测的相对方差的倒数 |
|
“不变” |
|
包括一个模型中的常数项。常数项的系数的第一个元素 |
“关闭” |
省略了常数项。 |
[b, dev] = glmfit (…)
返回dev
,异常向量适合的解决方案。异常是一个泛化的残差平方和。可以执行异常的分析比较几种模型,每个其他的一个子集,并测试该模型是否更方面明显优于模型用更少的条件。
[b, dev,统计]= glmfit (…)
返回dev
和统计数据
。
统计数据
是一种结构与以下字段:
β
——系数估计b
教育部
——自由度误差sfit
——估计色散参数年代
——理论或色散参数估计estdisp
- 0时,“estdisp”
名称-值对参数值“关闭”
和1的时候“estdisp”
名称-值对参数值“上”
。covb
——估计协方差矩阵Bse
——向量系数估计的标准误差b
coeffcorr
——相关矩阵b
t
- - - - - -t统计数据b
p
- - - - - -p值为b
渣油
向量的残差residp
——培生残差向量residd
——异常残差向量resida
——安斯科姆残差向量
如果你估计色散参数为二项或泊松分布,stats.s
设置等于stats.sfit
。同时,的元素stats.se
不同的因素stats.s
从他们的理论价值。
例子
引用
[1]多布森,a·J。介绍了广义线性模型。纽约:查普曼&大厅,1990。
[2]McCullagh, P。,J. A. Nelder.广义线性模型。纽约:查普曼&大厅,1990。
[3]Collett D。二进制数据建模。纽约:查普曼&大厅,2002。