LinearMixedModel | Линейный класс модели смешанных эффектов |
fitlme | Соответствуйте линейной модели смешанных эффектов |
fitlmematrix | Соответствуйте линейной модели смешанных эффектов |
disp | Отобразите линейную модель смешанных эффектов |
predict | Предскажите ответ линейной модели смешанных эффектов |
random | Сгенерируйте случайные ответы из подходящей линейной модели смешанных эффектов |
fixedEffects | Оценки фиксированных эффектов и связанной статистики |
randomEffects | Оценки случайных эффектов и связанной статистики |
designMatrix | Зафиксированный - и случайные эффекты разрабатывают матрицы |
fitted | Подходящие ответы из линейной модели смешанных эффектов |
response | Вектор отклика линейной модели смешанных эффектов |
anova | Дисперсионный анализ для линейной модели смешанных эффектов |
coefCI | Доверительные интервалы для коэффициентов линейной модели смешанных эффектов |
coefTest | Тест гипотезы на фиксированных и случайных эффектах линейной модели смешанных эффектов |
compare | Сравните линейные модели смешанных эффектов |
covarianceParameters | Извлеките параметры ковариации линейной модели смешанных эффектов |
plotPartialDependence | Создайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP) |
plotResiduals | Постройте невязки линейной модели смешанных эффектов |
residuals | Невязки подходящей линейной модели смешанных эффектов |
Подготовка данных для линейных моделей Смешанных Эффектов
Храните данные в правильной форме для подбора кривой линейной модели смешанных эффектов.
Отношение между матрицами формулы и проекта
Поймите отношение между образцовой формулой и матрицами проекта в линейных моделях смешанных эффектов.
Линейный рабочий процесс модели Смешанных Эффектов
Этот пример показывает, как соответствовать и анализировать линейную модель смешанных эффектов (ЛБМ).
Подходящая регрессия сплайна Смешанных Эффектов
Этот пример показывает, как соответствовать смешанным эффектам линейная модель сплайна.
Линейные модели Смешанных Эффектов
Линейные модели смешанных эффектов являются расширениями моделей линейной регрессии для данных, которые собраны и получены в итоге в группах.
Оценка параметров в линейных моделях Смешанных Эффектов
Два обычно используемых подхода к оценке параметра линейные модели смешанных эффектов являются наибольшим правдоподобием и ограниченными методами максимального правдоподобия.
Обозначение Уилкинсона обеспечивает способ описать регрессию и повторенные модели мер, не задавая содействующие значения.
