plotprofile

Класс: RepeatedMeasuresModel

Постройте ожидаемые крайние средние значения с дополнительной группировкой

Синтаксис

plotprofile(rm,X)
plotprofile(rm,Name,Value)
H = plotprofile(___)

Описание

пример

plotprofile(rm,X) строит ожидаемые крайние средние значения, вычисленные из повторной модели rm мер как функция переменной X.

пример

plotprofile(rm,Name,Value) строит ожидаемые крайние средние значения, вычисленные из повторной модели rm мер с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value.

Например, можно задать факторы, чтобы сгруппироваться или изменить цвета линии.

H = plotprofile(___) возвращает указатели, H, к построенным графикам.

Входные параметры

развернуть все

Повторная модель мер, возвращенная как объект RepeatedMeasuresModel.

Для свойств и методов этого объекта, смотрите RepeatedMeasuresModel.

Имя фактора в предметах или между предметами, заданного как вектор символов или скаляр строки.

Например, если вы хотите построить крайние средние значения как функцию групп переменного препарата между предметами, можно задать его можно следующим образом.

Пример: 'Drug'

Типы данных: char | string

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.

Имя фактора между предметами или факторов, заданных как пара, разделенная запятой, состоящая из 'Group' и вектора символов, массива строк или массива ячеек из символьных векторов. Этот аргумент пары "имя-значение" группирует строки согласно факторным значениям.

Например, если у вас есть два фактора между предметами, препарат и пол, и вы хотите сгруппировать строки в графике согласно им, можно задать эти факторы можно следующим образом.

Пример: 'Group',{'Drug','Sex'}

Типы данных: char | string | cell

Маркер, чтобы использовать для каждой группы, заданной как пара, разделенная запятой, состоящая из 'Marker' и массива строк или массива ячеек из символьных векторов.

Например, если у вас есть два фактора между предметами, препарат и пол, с каждым имеющим две группы, можно задать o как маркер для групп препарата и x как маркер для групп пола можно следующим образом.

Пример: 'Marker',{'o','o','x','x'}

Типы данных: string | cell

Цвет для каждой группы, заданной как пара, разделенная запятой, состоящая из 'Color' и вектора символов, массива строк, массива ячеек из символьных векторов или строк матрицы RGB с тремя столбцами.

Например, если у вас есть два фактора между предметами, препарат и пол, с каждым имеющим две группы, можно задать красный как цвет для групп препарата и синего как цвет для групп пола можно следующим образом.

Пример: 'Color','rrbb'

Типы данных: single | double | char | string | cell

Стиль линии для каждой группы, заданной как пара, разделенная запятой, состоящая из 'LineStyle' и массива строк или массива ячеек из символьных векторов.

Например, если у вас есть два фактора между предметами, препарат и пол, с каждым имеющим две группы, можно задать - как стиль линии одной группы и : как стиль линии для другой группы можно следующим образом.

Пример: 'LineStyle',{'-' ':' '-' ':'}

Типы данных: string | cell

Выходные аргументы

развернуть все

Обработайте к построенным графикам, возвращенным как указатель.

Примеры

развернуть все

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 данные, сгруппированные факторными разновидностями.

plotprofile(rm,'species')

Предполагаемые крайние средние значения, кажется, не соглашаются с группой. Можно вычислить стандартную погрешность и 95% доверительных интервалов для крайних средних значений с помощью метода margmean.

Загрузите выборочные данные.

load repeatedmeas

Таблица between включает возраст переменных между предметами, IQ, группу, пол и восемь повторных мер y1 через y8 как ответы. Таблица within включает переменные w1 и w2 в предмете. Это - моделируемые данные.

Соответствуйте повторной модели мер, где повторными мерами, y1 через 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);

Постройте предполагаемые крайние средние значения на основе факторов Group и Gender.

ax1 = subplot(1,2,1);
plotprofile(rm,'Group')
ax2 = subplot(1,2,2);
plotprofile(rm,'Gender')
linkaxes([ax1 ax2],'y')

Постройте предполагаемые крайние средние значения на основе факторного Group и сгруппированный Gender.

figure()
plotprofile(rm,'Group','Group','Gender')

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте