gbnlpanel - آنلاین در ابر

برنامه:

نام

gbnlpanel - رگرسیون پانل غیر خطی

خلاصه

gbnlpanel [گزینه های]

شرح

هر ردیف از یک بلوک نشان دهنده یک تحقق فرآیند واحد است. بلوک ها با دو جدا می شوند
فضاهای سفید و متغیرهای مدل را نشان می دهند، ستون ها متغیر زمان را نشان می دهند. ورودی است
به عنوان خوانده شده (X1_[r,t],...,Xj_[r,t],... XN_[r,t])، جایی که r ردیف، t ستون و j
مسدود کردن. مدل این را فرض می کند

FUN(X1_[r,t],...,XN_[t,t]) - c_r = e_{r,t}

با e iid و فلش c عنصر خاص، که می تواند ثابت (اثر ثابت) یا عادی باشد
متغیر تصادفی (اثر تصادفی).

OPTIONS

-M نوع مدل (پیش‌فرض 0)

0 جلوه های ثابت

1 جلوه های تصادفی

-O نوع خروجی (پیش‌فرض 0)

0 پارامتر

1 پارامترها و خطاها

2 و آمار پانل

3 پارامتر و ماتریس واریانس

-V تخمین ماتریس واریانس (پیش‌فرض 0)

0 < J^{-1} >، محاسبه شده از طریق احتمال ورود به سیستم کاملاً کاهش یافته

1 <H^{-1} >، محاسبه شده از طریق احتمال ورود به سیستم کاملاً کاهش یافته

2 <H^{-1} JH^{-1} >، محاسبه شده از طریق احتمال ورود به سیستم کاملاً کاهش یافته

3 < J^{-1} >، از طریق احتمال ورود به سیستم غیر کاهش یافته محاسبه می شود

4 <H^{-1} >، از طریق لاگ احتمال کاهش‌یافته محاسبه می‌شود

5 <H^{-1} JH^{-1} >، محاسبه شده از طریق لاگ احتمال کاهش یافته

-v سطح پرحرفی (پیش فرض 0)

0 فقط نتایج

1 سرصفحه نظر

2 آمار خلاصه

3 ماتریس کوواریانس

4 مرحله کمینه سازی

5 تعریف مدل

-e تحمل حداقل سازی (پیش فرض 1e-6)

-F جداکننده فیلدهای ورودی (پیش‌فرض "\t")

-h این کمک

-A گزینه های بهینه سازی MLL جدا شده با کاما: step,tol,iter,eps,msize,algo. خالی استفاده کنید
فیلدهای پیش فرض (پیش فرض 0.1,0.01,500,1e-6,1e-6,0)

مرحله اندازه گام اولیه الگوریتم جستجو

تکرار تحمل جستجوی خط تلفن: حداکثر تعداد تکرار

تحمل گرادیان eps: معیارهای توقف || گرادیان||

روش های بهینه سازی الگوریتم: 0 فلچر-ریوز، 1 پولاک-ریبیره، 2
Broyden-Fletcher-Goldfarb-Shanno، 3 شیب دارترین فرود (توصیه نمی شود)، 4 سیمپلکس،
5 برویدن-فلچر-گلدفارب-شانو-2

مثال ها

gbnlpanel 'x1-a*x2-c,a=0,c=0' < data.dat
رگرسیون پانل خطی با یک متغیر مستقل

از gbnlpanel به صورت آنلاین با استفاده از خدمات onworks.net استفاده کنید