Regressione lineare multivariata
Quando è necessario includere più di una variabile di risposta in un modello di regressione, utilizzare un modello di regressione lineare multivariata. Un modello di regressione lineare multivariata esprime un vettore di risposta continuo d-dimensionale come una combinazione lineare di termini predittori più un vettore di termini di errore con distribuzione normale multivariata. È possibile utilizzare mvregress per creare un modello di regressione lineare multivariata.
La regressione dei minimi quadrati parziali (PLS) è un metodo di riduzione della dimensionalità che costruisce nuove variabili predittive costituite da combinazioni lineari delle variabili predittive originali. Per adattare un modello di regressione PLS che presenta più variabili di risposta, utilizzare plsregress.
Nota
Un modello di regressione lineare multivariata è diverso da un modello di regressione lineare multipla, che modella una risposta continua univariata come combinazione lineare di termini esogeni più un termine di errore indipendente e identicamente distribuito. Per adattare un modello di regressione lineare multipla, utilizzare fitlm o fitrlinear.
Funzioni
mvregress | Multivariate linear regression |
mvregresslike | Negative log-likelihood for multivariate regression |
plsregress | Partial least-squares (PLS) regression |
Argomenti
- 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.
