Создайте добавленный переменный график с помощью входных данных
addedvarplot(X,y,num,inmodel)
addedvarplot(X,y,num,inmodel,stats)
addedvarplot(X,y,num,inmodel)
отображает добавленный переменный график, использующий прогнозирующие термины в X
, значения ответа в y
, добавленный термин в столбце num
X
и модель с текущими условиями, заданными inmodel
. X
является n-by-p матрица наблюдений n за p прогнозирующие условия. y
является вектором значений ответа n. num
является скалярным индексом, задающим столбец X
с термином, который будет добавлен. inmodel
является логическим вектором элементов p, задающих столбцы X
в текущей модели. По умолчанию всеми элементами inmodel
является false
.
addedvarplot
автоматически включает постоянный термин во всех моделях. Не вводите столбец 1 с непосредственно в X
.
addedvarplot(X,y,num,inmodel,stats)
использует stats
вывод от функции stepwisefit
, чтобы повысить эффективность повторных вызовов addedvarplot
. В противном случае этот синтаксис эквивалентен предыдущему синтаксису.
Добавленные переменные графики используются, чтобы определить уникальный эффект добавления нового термина к полилинейной модели. График показывает отношение между частью ответа, необъясненного по условиям уже в модели и частью нового термина, необъясненного по условиям уже в модели. “Необъясненные” части измеряются невязками соответствующих регрессий. Рассеяние невязок от этих двух регрессий формирует добавленный переменный график. В дополнение к рассеянию невязок график, произведенный addedvarplot
, показывает 95% доверительных интервалов на прогнозах от подходящей строки. Наклон подходящей строки является коэффициентом, который имел бы новый термин, если бы это было добавлено к модели с условиями inmodel
. Для получения дополнительной информации см. Добавленный Переменный График.
Добавленные переменные графики иногда известны как частичные графики рычагов регрессии.
Можно создать объект модели линейной регрессии LinearModel
при помощи fitlm
или stepwiselm
и использовать объектный функциональный plotAdded
, чтобы создать добавленный переменный график.
Объект LinearModel
обеспечивает свойства объектов и объектные функции, чтобы исследовать подходящую модель линейной регрессии. Свойства объектов включают информацию о содействующих оценках, итоговой статистике, подходящем методе и входных данных. Используйте объектные функции, чтобы предсказать ответы и изменить, оценить, и визуализировать модель линейной регрессии.