mauchly

Класс: RepeatedMeasuresModel

Тест Мочли для шарообразности

расширьте все на странице

Синтаксис

tbl = mauchly(rm)

tbl = mauchly(rm,C)

Описание

пример

tbl = mauchly(rm) возвращает результат теста Мочли для шарообразности для повторной модели rm мер.

Это тестирует нулевую гипотезу, что предположение шарообразности верно для переменных отклика в rm.

Для получения дополнительной информации смотрите Тест Мочли Шарообразности.

tbl = mauchly(rm,C) возвращает результат теста Мочли на основе контрастного матричного C.

Входные параметры

развернуть все

`\rm` Повторная модель мер
Объект `RepeatedMeasuresModel`

Повторная модель мер, возвращенная как объект RepeatedMeasuresModel.

Для свойств и методов этого объекта, смотрите RepeatedMeasuresModel.

`C` Контрасты
матрица

Контрасты, заданные как матрица. Значение по умолчанию C является Q, включают разложение QR матрицы M, где M задан так, чтобы Y*M был различием между всеми последовательными парами столбцов повторной матрицы Y мер.

Типы данных: single | double

Выходные аргументы

развернуть все

`tbl` Результаты теста Мочли шарообразности
таблица

Результаты теста Мочли для шарообразности для повторной модели rm мер, возвращенной как table.

tbl содержит следующие столбцы.

ColumnName	Определение
`W`	Значение статистической величины W Мочли
`ChiStat`	Значение статистической величины хи-квадрата
`DF`	Степени свободы статистической величины Хи-квадрата
`pValue`	p-, соответствующее статистической величине Хи-квадрата

Типы данных: table

Примеры

развернуть все

Выполните тест Мочли

Попробовать в MATLAB

Загрузите выборочные данные.

load fisheriris

Вектор-столбец species состоит из ирисовых цветов трех различных разновидностей: setosa, versicolor, и virginica. Двойной матричный meas состоит из четырех типов измерений на цветах: длина и ширина 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);

Выполните тест Мочли, чтобы оценить предположение шарообразности.

mauchly(rm)

ans=1×4 table
       W       ChiStat    DF      pValue  
    _______    _______    __    __________

    0.55814    84.976     5     7.6149e-17

Маленькое $p$ - значение (в поле pValue) указывает, что шарообразность, следовательно составное предположение симметрии, не содержит. Необходимо использовать исправления эпсилона, чтобы вычислить $p$ - значения для повторные меры anova. Можно вычислить исправления эпсилона с помощью метода epsilon и выполнить повторные меры anova с исправленным $p$ - значения с помощью метода ranova.