Multivariate lineare Regression
Wenn ein Regressionsmodell mehr als eine Antwortvariable umfassen muss, verwenden Sie ein multivariates lineares Regressionsmodell. Ein multivariates lineares Regressionsmodell drückt einen d-dimensionalen kontinuierlichen Antwortvektor als lineare Kombination aus Prädiktortermen plus Vektor aus Fehlertermen mit einer multivariaten normalen Verteilung aus. Mithilfe von mvregress können Sie ein multivariates lineares Regressionsmodell erstellen.
Die partielle Least-Squares-Regression (PLS) ist eine Methode zur Dimensionsreduzierung, die neue Prädiktorvariablen konstruiert, bei denen es sich um lineare Kombinationen der ursprünglichen Prädiktorvariablen handelt. Verwenden Sie plsregress, um ein PLS-Regressionsmodell mit mehreren Antwortvariablen anzupassen.
Hinweis
Ein multivariates lineares Regressionsmodell unterscheidet sich von einem multiplen linearen Regressionsmodell, das eine univariate kontinuierliche Antwort als lineare Kombination exogener Terme plus einen unabhängigen und identisch verteilten Fehlerterm modelliert. Verwenden Sie fitlm oder fitrlinear, um ein multiples lineares Regressionsmodell anzupassen.
Funktionen
mvregress | Multivariate linear regression |
mvregresslike | Negative log-likelihood for multivariate regression |
plsregress | Partial least-squares (PLS) regression |
Themen
- Set Up Multivariate Regression Problems
To fit a multivariate linear regression model using
mvregress, you must set up your response matrix and design matrices in a particular way. - Multivariate General Linear Model
This example shows how to set up a multivariate general linear model for estimation using
mvregress. - Fixed Effects Panel Model with Concurrent Correlation
This example shows how to perform panel data analysis using
mvregress. - Longitudinal Analysis
This example shows how to perform longitudinal analysis using
mvregress. - Partial Least Squares Regression and Principal Components Regression
Apply partial least squares regression (PLSR) and principal components regression (PCR), and explore the effectiveness of the two methods.
- Multivariate Linear Regression
Large, high-dimensional data sets are common in the modern era of computer-based instrumentation and electronic data storage.
- Estimation of Multivariate Regression Models
When you fit multivariate linear regression models using
mvregress, you can use the optional name-value pair'algorithm','cwls'to choose least squares estimation. - Partial Least Squares
Partial least squares (PLS) constructs new predictor variables as linear combinations of the original predictor variables, while considering the observed response values, leading to a parsimonious model with reliable predictive power.
