Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

多変量線形回帰

多変量応答変数をもつ線形回帰

回帰モデルに複数の応答変数を含める必要がある場合は、多変量線形回帰モデルを使用します。多変量線形回帰モデルは、d 次元の連続応答ベクトルを、予測子項と多変量正規分布を含む誤差項のベクトルの線形結合として表します。多変量線形回帰モデルは mvregress を使用して作成できます。

部分最小二乗 (PLS) 回帰は、元の予測子変数の線形結合である新しい予測子変数を作成する次元削減手法です。複数の応答変数をもつ PLS 回帰モデルを当てはめるには、plsregress を使用します。

メモ

多変量線形回帰モデルが多重線形回帰モデルと異なる点は、多重線形回帰では、一変量の連続応答を、独立して同一に分散された誤差項に外因的な項を追加した線形結合としてモデル化することです。多重線形回帰モデルを当てはめるには、fitlm または fitrlinear を使用します。

関数

mvregress多変量線形回帰
mvregresslike多変量回帰に対する負の対数尤度
plsregress部分最小二乗 (PLS) 回帰

トピック

  • 多変量回帰の問題の設定

    mvregress を使用して多変量線形回帰モデルの当てはめを行うには、応答行列と計画行列を特定の方法で設定しなければなりません。

  • 多変量一般線形モデル

    この例では、mvregress を使用して推定の多変量一般線形モデルを設定する方法を示します。

  • 同時相関を使用する固定効果のパネル モデル

    この例では、mvregress を使用してパネル データ解析を実行する方法を示します。

  • 縦方向解析

    この例では、mvregress を使用して縦方向解析を実行する方法を示します。

  • 部分最小二乗回帰と主成分回帰

    部分最小二乗回帰 (PLSR) と主成分回帰 (PCR) を適用し、これら 2 つの手法の有効性を確認する。

  • 多変量線形回帰

    大規模な高次元データ セットは、現代のコンピューターを使ったインストルメンテーションや電子データ ストレージにおいて一般的です。

  • 多変量回帰モデルの推定

    多変量線形回帰モデルを mvregress を使用して当てはめる場合は、最適な名前と値のペアの 'algorithm','cwls' を使用して、最小二乗推定を選択します。

  • 部分最小二乗

    部分最小二乗 (PLS) は、観測された応答値を考慮しつつ、元の予測子変数の線形結合として新しい予測子変数を構築し、信頼できる予測力をもつ倹約モデルを作成します。