plotEffects

Постройте основные эффекты предикторов в модели линейной регрессии

Синтаксис

plotEffects(mdl)
h = plotEffects(mdl)

Описание

пример

plotEffects(mdl) создает график эффектов предикторов в модели mdl линейной регрессии. График эффектов показывает предполагаемый основной эффект на ответ от изменения каждого значения предиктора, составляя в среднем эффекты других предикторов. Горизонтальная строка через значение эффекта указывает на 95%-й доверительный интервал для значения эффекта.

h = plotEffects(mdl) возвращает объекты линии. Используйте h, чтобы изменить свойства определенной строки после того, как вы создадите график. Для списка свойств смотрите Line Properties.

Примеры

свернуть все

Загрузите набор данных carsmall и соответствуйте модели линейной регрессии пробега как функция модельного года, веса, и вес придал квадратную форму.

load carsmall
tbl = table(MPG,Weight);
tbl.Year = categorical(Model_Year);
mdl = fitlm(tbl,'MPG ~ Year + Weight^2');

Создайте график эффектов.

plotEffects(mdl)

Длина каждой горизонтальной строки в фигуре показывает 95%-й доверительный интервал для эффекта на ответ изменения, показанного для каждого предиктора. Например, предполагаемый эффект изменения Year от 70 до 82 является увеличением приблизительно 8 и между 6 и 10 с 95%-й уверенностью.

Входные параметры

свернуть все

Объект модели линейной регрессии, заданный как объект LinearModel, созданный при помощи fitlm или stepwiselm или объекта CompactLinearModel, создается при помощи compact.

Выходные аргументы

свернуть все

Объекты линии, возвращенные как вектор. h(1) соответствует кругам, которые представляют оценки эффекта, и h(j+1) соответствует 95%-му доверительному интервалу для эффекта предиктора j. Используйте запись через точку, чтобы запросить и установить свойства объектов линии. Для получения дополнительной информации смотрите Line Properties.

Больше о

свернуть все

Основной эффект

Эффект или основной эффект, предиктора представляет эффект одного предиктора на ответе от изменения значения предиктора при составлении в среднем эффекты других предикторов.

Для переменной прогноза xs эффект задан

g (x s i) – g (x s j),

где g является Настроенной Функцией отклика. Функция plotEffects выбирает наблюдения i и j можно следующим образом. Для категориальной переменной, которая не является порядковой, x s i и x s, j является значениями предиктора, которые производят максимальные и минимальные настроенные ответы, соответственно, так, чтобы значение эффекта было всегда положительно. Для числовой переменной или порядковой категориальной переменной, функция выбирает два значения предиктора, которые производят минимальные и максимальные настроенные ответы где x s i <x s j.

plotEffects строит значение эффекта и 95%-й доверительный интервал значения эффекта для каждой переменной прогноза.

Настроенный ответ

Настроенная функция отклика описывает отношение между подходящим ответом, и один предиктор, с другими предикторами составил в среднем путем усреднения подходящих значений по данным, используемым в подгонке.

Модель регрессии для переменных прогноза (x 1, x 2, …, x p) и переменная отклика y имеет форму

y i = f (x 1i, x 2i, …, x pi) + r i,

где f является подходящей функцией регрессии, и r является невязкой. Нижний i представляет номер наблюдения.

Настроенная функция отклика для первой переменной прогноза x 1, например, задана как

g(x1)=1ni=1nf(x1,x2i,x3i,...,xpi),

где n является количеством наблюдений. Настроенное значение данных ответа является суммой настроенного подходящего значения и невязки для каждого наблюдения.

y˜i=g(x1i)+ri.

plotAdjustedResponse строит настроенную функцию отклика и настроенные значения данных ответа для выбранной переменной прогноза.

Советы

  • Data Cursor отображает значения выбранной точки графика во всплывающей подсказке (маленькое текстовое поле, расположенное рядом с точкой данных). Всплывающая подсказка включает x - ось и y - значения оси для выбранной точки. Используйте x - значения оси, чтобы просмотреть предполагаемое значение эффекта и его доверительные границы.

Альтернативная функциональность

  • Объект LinearModel обеспечивает несколько функций построения графика.

    • При создании модели используйте plotAdded, чтобы понять эффект добавления или удаления переменной прогноза.

    • При проверке модели используйте plotDiagnostics, чтобы найти сомнительные данные и понять эффект каждого наблюдения. Кроме того, используйте plotResiduals, чтобы анализировать невязки модели.

    • После подбирания модели используйте plotAdjustedResponse, plotPartialDependence и plotEffects, чтобы понять эффект конкретного предиктора. Используйте plotInteraction, чтобы понять эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice, чтобы построить срезы через поверхность прогноза.

Представленный в R2012a

Для просмотра документации необходимо авторизоваться на сайте