La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Regresión lineal multivariante

Regresión lineal con una variable de respuesta multivariante

Cuando necesite incluir más de una variable de respuesta en un modelo de regresión, utilice un modelo de regresión lineal multivariante. Un modelo de regresión lineal multivariante expresa un vector de respuesta continua de d dimensiones como una combinación lineal de términos predictores más un vector de términos de error con una distribución normal multivariante. Puede usar mvregress para crear un modelo de regresión lineal multivariante.

La regresión de mínimos cuadrados parciales (PLS) es un método de reducción de dimensiones que construye nuevas variables predictoras que son combinaciones lineales de las variables predictoras originales. Para ajustar un modelo de regresión PLS que tiene múltiples variables de respuesta, use plsregress.

Nota

Un modelo de regresión lineal multivariante es diferente de un modelo de regresión lineal múltiple, que modela una respuesta continua univariante como una combinación lineal de términos exógenos más un término de error independiente e idénticamente distribuido. Para ajustar un modelo de regresión lineal múltiple, use fitlm o fitrlinear.

Funciones

`mvregress`	Multivariate linear regression
`mvregresslike`	Negative log-likelihood for multivariate regression
`plsregress`	Partial least-squares (PLS) regression

Temas

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.