Il s'agit de la commande gbnlpolyit qui peut être exécutée dans le fournisseur d'hébergement gratuit OnWorks en utilisant l'un de nos multiples postes de travail en ligne gratuits tels que Ubuntu Online, Fedora Online, l'émulateur en ligne Windows ou l'émulateur en ligne MAC OS
PROGRAMME:
Nom
gbnlpolyit - Régression polyit non linéaire
SYNOPSIS
gbnlpolyit [Options] <fonction définition>
DESCRIPTION
Estimation polyit non linéaire. Minimiser la log-vraisemblance négative
sum_{h=0}^{L-1} log(A+h) - sum_{l=1}^L sum_{h=0}^{n_l-1} log(a_l+h)
pour la spécification Polya ou
L log(A) - somme_{l=1}^L n_l log(a_l)
pour la spécification multinomiale, où A = sum_{l=1}^L a_l et L est le nombre de
alternatives. Le fichier de données d'entrée doit contenir L lignes, une pour chaque alternative, du
tapez n x1 ... XN. La première colonne contient la variable dépendante (nombre d'observations) et
les autres colonnes les variables indépendantes. Le modèle est spécifié par une fonction
a_l=g(x1,x2...) où x1,.. XN représente la première, deuxième .. N-ième colonne de l'indépendant
variables.
OPTIONS
-O type de sortie (par défaut 0)
0 paramètres et log-like (ll)
1 effets marginaux
2 élasticités marginales
3 n_l n*_l a*_l *=estimé
4 classes d'occupations
-F séparateurs de champs de saisie (par défaut " \t")
-V erreurs standard et p-scores de diff. à partir de zéro en utilisant bootstrap
-r nombre de répliques (20 par défaut)
-v niveau de verbosité (par défaut 0)
0 juste des résultats
1 en-têtes de commentaire
2 statistiques récapitulatives
3 matrice de covariance
4 étapes de minimisation
5 définition du modèle
-R définir la graine rng (par défaut 0)
-M définir le modèle à utiliser (par défaut 0) |
0 Polya
1 multinôme
-A Les champs des options d'optimisation MLL (par défaut 0.01,0.1,100,1e-6,1e-6,5) sont
step,tol,iter,eps,msize,algo. Champs vides par défaut
étape taille de l'étape initiale de l'algorithme de recherche
iter de tolérance de recherche de ligne de tol : nombre maximal d'itérations
tolérance de gradient eps : critère d'arrêt ||gradient||
méthodes d'optimisation algo : 0 Fletcher-Reeves, 1 Polak-Ribiere, 2
Broyden-Fletcher-Goldfarb-Shanno, 3 Descente la plus raide, 4 simplex, 5
Broyden-Fletcher-Goldfarb-Shanno-2
Utilisez gbnlpolyit en ligne en utilisant les services onworks.net
