designMatrix

Зафиксированный - и случайные эффекты разрабатывают матрицы

Синтаксис

D = designMatrix(glme)

D =
designMatrix(glme,'Fixed')

D = designMatrix(glme,'Random')

Dsub = designMatrix(glme,'Random',gnumbers)

[Dsub,gnames]
= designMatrix(glme,'Random',gnumbers)

Описание

пример

D = designMatrix(glme) или D = designMatrix(glme,'Fixed') возвращается фиксированные эффекты разрабатывают матрицу для обобщенной линейной модели glme смешанных эффектов.

пример

D = designMatrix(glme,'Random') возвращается случайные эффекты разрабатывают матрицу для обобщенной линейной модели glme смешанных эффектов.

Dsub = designMatrix(glme,'Random',gnumbers) возвращается подмножество случайных эффектов разрабатывают матрицу для обобщенной линейной модели glme смешанных эффектов, которая соответствует группирующим переменным, обозначенным gnumbers.

[Dsub,gnames] = designMatrix(glme,'Random',gnumbers) также возвращает имена группирующей переменной, которые соответствуют gnumbers.

Входные параметры

развернуть все

`glme` — Обобщенная линейная модель смешанных эффектов
Объект `GeneralizedLinearMixedModel`

Обобщенная линейная модель смешанных эффектов, заданная как объект GeneralizedLinearMixedModel. Для свойств и методов этого объекта, смотрите GeneralizedLinearMixedModel.

`gnumbers` — Числа группирующей переменной
массив целочисленных значений

Числа группирующей переменной, заданные как массив целочисленных значений, содержащих элементы в области значений [1, R], где R является длиной массива ячеек, который содержит группирующие переменные для обобщенной линейной модели glme смешанных эффектов.

Например, можно задать группирующие переменные _g1, _g3, и g_r как [1,3,r].

Типы данных: single | double

Выходные аргументы

развернуть все

`D` Матрица проекта
матрица

Матрица проекта обобщенной линейной модели glme смешанных эффектов, возвращенной как одно из следующего:

Фиксированные эффекты разрабатывают матрицу — n-by-p матрица, состоящая из фиксированных эффектов, разрабатывает матрицу glme, где n является количеством наблюдений, и p является количеством условий фиксированных эффектов.
Случайные эффекты разрабатывают матрицу — n-by-k матрица, состоя из случайных эффектов разрабатывает матрицу glme. Здесь, k равен length(B), где B является содействующим вектором случайных эффектов обобщенной линейной модели glme смешанных эффектов. Матрица проекта случайных эффектов возвращена как разреженная матрица. Для получения дополнительной информации смотрите Разреженные матрицы (MATLAB).
Если glme имеет группирующие переменные R _g1, _g2..., g_R, с уровнями m ₁, m ₂..., m _R, соответственно, и если q ₁, q ₂..., q _R является длинами векторов случайных эффектов, которые сопоставлены с _g1, _g2..., g_R, соответственно, то B является вектор-столбцом длины q _1*m1 + q _2*m2 +... + q _R *m_R.
B сделан путем конкатенации эмпирических предикторов Бейеса случайных векторов эффектов, соответствующих каждому уровню каждой группирующей переменной как _{[g1level1; g1level2; ...; g1levelm1; g2level1; g2level2; ...; g2levelm2; ...; gRlevel1; gRlevel2; ...; gRlevelmR]'}.

Типы данных: single | double

`Dsub` — Субматрица случайных эффектов разрабатывает матрицу
матрица

Субматрица случайных эффектов разрабатывает матрицу, которая соответствует группирующим переменным, заданным gnumbers, возвращенным как n-by-k матрица, где k является длиной вектор-столбца Bsub.

Bsub содержит конкатенированные эмпирические предикторы Бейеса векторов случайных эффектов, соответствуя каждому уровню группирующих переменных, заданных gnumbers.

Если, например, gnumbers является [1,3,r], это соответствует группирующим переменным _g1, _g3, и g_r. Затем Bsub содержит эмпирические предикторы Бейеса векторов случайных эффектов, соответствующих каждому уровню группирующих переменных _g1, _g3, и g_r, такой как

_{[g1level1; g1level2; ...; g1levelm1; g3level1; g3level2; ...; g3levelm3; grlevel1; grlevel2; ...; grlevelmr]'}.

Таким образом Dsub*Bsub представляет вклад всего случайного соответствия эффектов группирующим переменным _g1, _g3, и g_r к ответу glme.

Если gnumbers пуст, то Dsub является полной матрицей проекта случайных эффектов.

Типы данных: single | double

`gnames` — Имена группирующих переменных
k-by-1 массив ячеек

Имена группирующих переменных, соответствующих целым числам в gnumbers, если типом проекта является 'Random', возвратились как k-by-1 массив ячеек. Если типом проекта является 'Fixed', то gnames является пустой матричный [].

Типы данных: cell

Примеры

развернуть все

Получите фиксированный - и матрицы проекта Случайных Эффектов

Скрипт Open Live Script

Загрузите выборочные данные.

load mfr

Эти моделируемые данные от компании-производителя, которая управляет 50 фабриками во всем мире с каждой фабрикой, запускающей процесс пакетной обработки, чтобы создать готовое изделие. Компания хочет сократить число дефектов в каждом пакете, таким образом, это разработало новый производственный процесс. Чтобы протестировать эффективность нового процесса, компания выбрала 20 своих фабрик наугад, чтобы участвовать в эксперименте: Десять фабрик реализовали новый процесс, в то время как другие десять продолжали запускать старый процесс. На каждой из этих 20 фабрик компания запустила пять пакетов (для в общей сложности 100 пакетов) и записала следующие данные:

Отметьте, чтобы указать, использовал ли пакет новый процесс (newprocess)
Время вычислений для каждого пакета, в часах (time)
Температура пакета, в градусах Цельсия (temp)
Категориальная переменная, указывающая на поставщика (A, B или C) химиката, используемого в пакете (supplier)
Количество дефектов в пакете (defects)

Данные также включают time_dev и temp_dev, которые представляют абсолютное отклонение времени и температуры, соответственно, из стандарта процесса 3 часов на уровне 20 градусов Цельсия.

Соответствуйте обобщенной линейной модели смешанных эффектов использование newprocess, time_dev, temp_dev и supplier как предикторы фиксированных эффектов. Включайте термин случайных эффектов для прерывания, сгруппированного factory, чтобы составлять качественные различия, которые могут существовать из-за специфичных для фабрики изменений. Переменная отклика defects имеет распределение Пуассона и соответствующую функцию ссылки для этой модели, является журналом. Используйте подходящий метод Лапласа, чтобы оценить коэффициенты. Задайте фиктивную переменную, кодирующую как 'effects', таким образом, фиктивная переменная содействующая сумма к 0.

Количество дефектов может быть смоделировано с помощью распределения Пуассона

${дефекты}_{i j} \sim Пуассон (μ_{i j}) .$

Это соответствует обобщенной линейной модели смешанных эффектов

$журнал (μ_{i j}) = β_{0} + β_{1} {newprocess}_{i j} + β_{2} {time_dev}_{i j} + β_{3} {temp_dev}_{i j} + β_{4} {supplier_C}_{i j} + β_{5} {supplier_B}_{i j} + b_{i},$

где

${дефекты}_{i j}$ количество дефектов, наблюдаемых в пакете, произведенном фабрикой $i$ во время пакета $j$ .
$μ_{i j}$ среднее количество дефектов, соответствующих фабрике $i$ (где $i = 1, 2, . . ., 20$ ) во время пакета $j$ (где $j = 1, 2, . . ., 5$ ).
${newprocess}_{i j}$ , ${time_dev}_{i j}$ , и ${temp_dev}_{i j}$ измерения для каждой переменной, которые соответствуют фабрике $i$ во время пакета $j$ . Например, ${newprocess}_{i j}$ указывает ли пакет, произведенный фабрикой $i$ во время пакета $j$ используемый новый процесс.
${supplier_C}_{i j}$ и ${supplier_B}_{i j}$ фиктивные переменные, которые используют эффекты (сумма к нулю), кодирование, чтобы указать или компания C или B, соответственно, предоставило химикаты процесса для пакета, произведенного фабрикой $i$ во время пакета $j$ .
$b_{i} \sim N (0, σ_{b}^{2})$ прерывание случайных эффектов для каждой фабрики $i$ это составляет специфичное для фабрики изменение по качеству.

glme = fitglme(mfr,'defects ~ 1 + newprocess + time_dev + temp_dev + supplier + (1|factory)','Distribution','Poisson','Link','log','FitMethod','Laplace','DummyVarCoding','effects');

Извлеките матрицу проекта фиксированных эффектов и строки 1 - 10 отображения.

Dfe = designMatrix(glme,'Fixed');
disp(Dfe(1:10,:))

    1.0000         0    0.1834    0.2259    1.0000         0
    1.0000         0    0.3035    0.0725         0    1.0000
    1.0000         0    0.0717    0.1630    1.0000         0
    1.0000         0    0.1069    0.0809   -1.0000   -1.0000
    1.0000         0    0.0241    0.0319    1.0000         0
    1.0000         0    0.1214    0.1114         0    1.0000
    1.0000         0    0.0033    0.0553    1.0000         0
    1.0000         0    0.2350    0.0616    1.0000         0
    1.0000         0    0.0488    0.0177         0    1.0000
    1.0000         0    0.1148    0.0105    1.0000         0

Столбец 1 проекта фиксированных эффектов матричный Dfe содержит постоянный термин. Столбец 2, 3, и 4 содержит newprocess, time_dev и условия temp_dev, соответственно. Столбцы 5 и 6 содержат фиктивные переменные для supplier_C и supplier_B, соответственно.

Извлеките матрицу проекта случайных эффектов и строки 1 - 10 отображения.

Dre = designMatrix(glme,'Random');
disp(Dre(1:10,:))

   (1,1)        1
   (2,1)        1
   (3,1)        1
   (4,1)        1
   (5,1)        1
   (6,2)        1
   (7,2)        1
   (8,2)        1
   (9,2)        1
  (10,2)        1

Преобразуйте разреженную матрицу Dre в полную матрицу и строки 1 - 10 отображения.

full(Dre(1:10,:))

ans = 10×20

     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     0     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     0     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     0     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     0     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0
     0     1     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0     0

Каждый столбец соответствует уровню группирующей переменной factory.

Документация

designMatrix

Синтаксис

Описание

Входные параметры

`glme` — Обобщенная линейная модель смешанных эффектов
Объект `GeneralizedLinearMixedModel`

`gnumbers` — Числа группирующей переменной
массив целочисленных значений

Выходные аргументы

`D` Матрица проекта
матрица

`Dsub` — Субматрица случайных эффектов разрабатывает матрицу
матрица

`gnames` — Имена группирующих переменных
k-by-1 массив ячеек

Примеры

Получите фиксированный - и матрицы проекта Случайных Эффектов

Смотрите также

Документация Statistics and Machine Learning Toolbox

Поддержка

Документация

designMatrix

Синтаксис

Описание

Входные параметры

glme — Обобщенная линейная модель смешанных эффектов Объект GeneralizedLinearMixedModel

gnumbers — Числа группирующей переменной массив целочисленных значений

Выходные аргументы

D Матрица проекта матрица

Dsub — Субматрица случайных эффектов разрабатывает матрицу матрица

gnames — Имена группирующих переменных k-by-1 массив ячеек

Примеры

Получите фиксированный - и матрицы проекта Случайных Эффектов

Смотрите также

Документация Statistics and Machine Learning Toolbox

Поддержка

`glme` — Обобщенная линейная модель смешанных эффектов
Объект `GeneralizedLinearMixedModel`

`gnumbers` — Числа группирующей переменной
массив целочисленных значений

`D` Матрица проекта
матрица

`Dsub` — Субматрица случайных эффектов разрабатывает матрицу
матрица

`gnames` — Имена группирующих переменных
k-by-1 массив ячеек