plotResiduals

Класс: LinearMixedModel

Постройте невязки линейной модели смешанных эффектов

расширьте все на странице

Синтаксис

plotResiduals(lme,plottype)

plotResiduals(lme,plottype,Name,Value)

h = plotResiduals(___)

Описание

пример

plotResiduals(lme,plottype) строит необработанные условные невязки линейной модели lme смешанных эффектов в графике типа, заданного plottype.

пример

plotResiduals(lme,plottype,Name,Value) также строит невязки линейной модели lme смешанных эффектов с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Например, можно задать остаточный тип, чтобы построить.

plotResiduals также принимает некоторые другие аргументы пары "имя-значение", которые задают свойства первичной строки в графике. Для тех пар "имя-значение" смотрите plot.

h = plotResiduals(___) возвращает указатель, h, к строкам или закрашенным фигурам в графике невязок.

Входные параметры

развернуть все

`lme` — Линейная модель смешанных эффектов
Объект `LinearMixedModel`

Линейная модель смешанных эффектов, заданная как объект LinearMixedModel, созданный с помощью fitlme или fitlmematrix.

`plottype` — Тип остаточного графика
`'histogram'` (значение по умолчанию) | `'caseorder'` | `'fitted'` | `'lagged'` | `'probability'` | `'symmetry'`

Тип остаточного графика, заданного как одно из следующих.

`'histogram'`	Значение по умолчанию. Гистограмма невязок
`'caseorder'`	Невязки по сравнению со случаем (строка) порядок
`'fitted'`	Невязки по сравнению с подходящими значениями
`'lagged'`	Невязки по сравнению с изолированной невязкой (r (t) по сравнению с r (t – 1))
`'probability'`	График нормального распределения
`'symmetry'`	График симметрии

Пример: plotResiduals(lme,'lagged')

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

`'ResidualType'` — Остаточный тип
`'Raw'` (значение по умолчанию) | `'Pearson'` | `'Standardized'`

Остаточный тип, заданный парой, разделенной запятой, состоящей из ResidualType и одно из следующих.

Остаточный тип Условное выражение Крайний

Остаточный тип	Условное выражение	Крайний
`'Raw'`	$r_{i}^{C} = {[y - X \hat{β} - Z \hat{b}]}_{i}$	$r_{i}^{M} = {[y - X \hat{β}]}_{i}$
`'Pearson'`	$p r_{i}^{C} = \frac{r_{i}^{C}}{{\sqrt{[{\hat{V a r}}_{y, b} (y - X β - Z b)]}}_{i i}}$	$p r_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (y - X β)]}_{i i}}}$
`'Standardized'`	$s t_{i}^{C} = \frac{r_{i}^{C}}{\sqrt{{[{\hat{V a r}}_{y} (r^{C})]}_{i i}}}$	$s t_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (r^{M})]}_{i i}}}$

'Raw'

$r_{i}^{C} = {[y - X \hat{β} - Z \hat{b}]}_{i}$

$r_{i}^{M} = {[y - X \hat{β}]}_{i}$

'Pearson'

$p r_{i}^{C} = \frac{r_{i}^{C}}{{\sqrt{[{\hat{V a r}}_{y, b} (y - X β - Z b)]}}_{i i}}$

$p r_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (y - X β)]}_{i i}}}$

'Standardized'

$s t_{i}^{C} = \frac{r_{i}^{C}}{\sqrt{{[{\hat{V a r}}_{y} (r^{C})]}_{i i}}}$

$s t_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (r^{M})]}_{i i}}}$

Для получения дополнительной информации об условных и крайних невязках и остаточных отклонениях, смотрите Definitions в конце этой страницы.

Пример: 'ResidualType','Standardized'

Выходные аргументы

развернуть все

`h` Обработайте к остаточному графику
указатель

Обработайте к остаточному графику, возвращенному как указатель.

Примеры

развернуть все

Исследуйте невязки

Открыть скрипт

Загрузите выборочные данные.

load(fullfile(matlabroot,'examples','stats','weight.mat'));

weight содержит данные из продольного исследования, где 20 предметов случайным образом присвоены 4 программам подготовки, и их потеря веса зарегистрирована более чем шесть 2-недельных периодов времени. Это - моделируемые данные.

Храните данные в таблице. Задайте Subject и Program как категориальные переменные.

tbl = table(InitialWeight,Program,Subject,Week,y);
tbl.Subject = nominal(tbl.Subject);
tbl.Program = nominal(tbl.Program);

Соответствуйте линейной модели смешанных эффектов, где начальный вес, тип программы, неделя и взаимодействие между неделей и типом программы являются фиксированными эффектами. Прерывание и неделя отличается предметом.

lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');

Постройте гистограмму необработанных невязок.

plotResiduals(lme)

Постройте невязки по сравнению с подходящими значениями.

figure();
plotResiduals(lme,'fitted')

Нет никакого очевидного шаблона, таким образом, нет никаких мгновенных знаков heteroscedasticity.

Создайте график нормального распределения невязок.

figure();
plotResiduals(lme,'probability')

Данные, кажется, нормальны.

Найдите номер наблюдения для данных, которые, кажется, выброс справа от графика.

find(residuals(lme)>0.25)

ans =

   101

Создайте диаграмму сырых данных, Пирсона и стандартизированных невязок.

r = residuals(lme);
pr = residuals(lme,'ResidualType','Pearson');
st = residuals(lme,'ResidualType','Standardized');
X = [r pr st];
boxplot(X,'labels',{'Raw','Pearson','Standardized'});

Все три диаграммы указывают на выброс на правом хвосте распределения. Диаграммы сырых данных и невязок Пирсона также указывают на второй возможный выброс на левом хвосте. Найдите соответствующий номер наблюдения.

find(pr<-2)

ans =

    10

Постройте необработанные невязки по сравнению с изолированными невязками.

plotResiduals(lme,'lagged')

В графике нет никакого очевидного шаблона. Невязки, кажется, не коррелируются.

Документация

plotResiduals

Синтаксис

Описание

Входные параметры

`lme` — Линейная модель смешанных эффектов
Объект `LinearMixedModel`

`plottype` — Тип остаточного графика
`'histogram'` (значение по умолчанию) | `'caseorder'` | `'fitted'` | `'lagged'` | `'probability'` | `'symmetry'`

Аргументы в виде пар имя-значение

`'ResidualType'` — Остаточный тип
`'Raw'` (значение по умолчанию) | `'Pearson'` | `'Standardized'`

Выходные аргументы

`h` Обработайте к остаточному графику
указатель

Примеры

Исследуйте невязки

Смотрите также

Документация Statistics and Machine Learning Toolbox

Поддержка

Документация

plotResiduals

Синтаксис

Описание

Входные параметры

lme — Линейная модель смешанных эффектов Объект LinearMixedModel

plottype — Тип остаточного графика 'histogram' (значение по умолчанию) | 'caseorder' | 'fitted' | 'lagged' | 'probability' | 'symmetry'

Аргументы в виде пар имя-значение

'ResidualType' — Остаточный тип 'Raw' (значение по умолчанию) | 'Pearson' | 'Standardized'

Выходные аргументы

h Обработайте к остаточному графику указатель

Примеры

Исследуйте невязки

Смотрите также

Документация Statistics and Machine Learning Toolbox

Поддержка

`lme` — Линейная модель смешанных эффектов
Объект `LinearMixedModel`

`plottype` — Тип остаточного графика
`'histogram'` (значение по умолчанию) | `'caseorder'` | `'fitted'` | `'lagged'` | `'probability'` | `'symmetry'`

`'ResidualType'` — Остаточный тип
`'Raw'` (значение по умолчанию) | `'Pearson'` | `'Standardized'`

`h` Обработайте к остаточному графику
указатель