Класс: RepeatedMeasuresModel
Оцените крайние средние значения
tbl = margmean(rm,vars)
tbl = margmean(rm,vars,'alpha',alpha)
\rm
Повторная модель мерRepeatedMeasuresModel
Повторная модель мер, возвращенная как объект RepeatedMeasuresModel
.
Для свойств и методов этого объекта, смотрите RepeatedMeasuresModel
.
вар
Переменные, для которых можно вычислить крайние средние значенияПеременные, для которых можно вычислить крайние средние значения, заданные как вектор символов, или представить в виде строки скаляр, представляющий имя между, или в предметах включить rm
, или массив строк или массив ячеек из символьных векторов, представляющий имена нескольких переменных. Каждый фактор между предметами должен быть категориальным.
Например, если вы хотите вычислить крайние средние значения для переменных Drug и Gender, затем можно задать можно следующим образом.
Пример: {'Drug','Gender'}
Типы данных: char
| string
| cell
\alpha
Уровень значенияУровень значения доверительных интервалов для генеральной совокупности крайние средние значения, заданные как скалярное значение в области значений от 0 до 1. Доверительный уровень равняется 100* (1–alpha)
%.
Например, можно задать 99%-й доверительный уровень можно следующим образом.
Пример: 'alpha',0.01
Типы данных: double | single
tbl
Предполагаемые крайние средние значенияПредполагаемые крайние средние значения, возвращенные как таблица. tbl
содержит одну строку для каждой комбинации групп переменных, которые вы задаете в vars
, одном столбце для каждой переменной и следующих столбцах.
ColumnName | Описание |
---|---|
Mean | Предполагаемые крайние средние значения |
StdErr | Стандартные погрешности оценок |
Lower | Нижний предел 95%-го доверительного интервала для истинного среднего значения генеральной совокупности |
Upper | Верхний предел 95%-го доверительного интервала для истинного среднего значения генеральной совокупности |
Загрузите выборочные данные.
load repeatedmeas
Таблица between
включает возраст переменных между предметами, IQ, группу, пол и восемь повторных мер y1
к y8
как ответы. Таблица within
включает переменные w1
и w2
в предмете. Это - моделируемые данные.
Соответствуйте повторной модели мер, где повторными мерами, y1
к y8
является ответами, и возрастом, IQ, группой, полом и взаимодействием пола группы, являются переменные прогноза. Также задайте матрицу проекта в предмете.
rm = fitrm(between,'y1-y8 ~ Group*Gender + Age + IQ','WithinDesign',within);
Вычислите крайние средние значения, сгруппированные факторами Group
и Gender
.
M = margmean(rm,{'Group' 'Gender'})
M=6×6 table
Group Gender Mean StdErr Lower Upper
_____ ______ _______ ______ ________ _______
A Female 15.946 5.6153 4.3009 27.592
A Male 8.0726 5.7236 -3.7973 19.943
B Female 11.758 5.7091 -0.08189 23.598
B Male 2.2858 5.6748 -9.483 14.055
C Female -8.6183 5.871 -20.794 3.5574
C Male -13.551 5.7283 -25.431 -1.6712
Отобразите описание для таблицы M.
M.Properties.Description
ans = 'Estimated marginal means Means computed with Age=13.7, IQ=98.2667'
Загрузите выборочные данные.
load fisheriris
Вектор-столбец, species
, состоит из ирисовых цветов трех различных разновидностей, setosa, versicolor, virginica. Двойной матричный meas
состоит из четырех типов измерений на цветах, длине и ширине чашелистиков и лепестков в сантиметрах, соответственно.
Храните данные в табличном массиве.
t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),... 'VariableNames',{'species','meas1','meas2','meas3','meas4'}); Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});
Соответствуйте повторной модели мер, где измерения являются ответами, и разновидность является переменной прогноза.
rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);
Вычислите крайние средние значения, сгруппированные факторными разновидностями.
margmean(rm,'species')
ans=3×5 table
species Mean StdErr Lower Upper
____________ ______ ________ ______ ______
'setosa' 2.5355 0.042807 2.4509 2.6201
'versicolor' 3.573 0.042807 3.4884 3.6576
'virginica' 4.285 0.042807 4.2004 4.3696
Поле StdError
показывает стандартные погрешности предполагаемых крайних средних значений. Поля Lower
и Upper
показывают нижние и верхние границы для 95% доверительных интервалов группы крайние средние значения, соответственно. Ни одно из перекрытия доверительных интервалов, которое указывает, что крайние средние значения не соглашаются с разновидностями. Можно также построить предполагаемые средние значения крайнего использовать метод plotprofile
.
Вычислите 99% доверительных интервалов для крайних средних значений.
margmean(rm,'species','alpha',0.01)
ans=3×5 table
species Mean StdErr Lower Upper
____________ ______ ________ ______ ______
'setosa' 2.5355 0.042807 2.4238 2.6472
'versicolor' 3.573 0.042807 3.4613 3.6847
'virginica' 4.285 0.042807 4.1733 4.3967
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.