coefCI

Доверительные интервалы содействующих оценок модели линейной регрессии

Описание

пример

ci = coefCI(mdl) возвращает 95% доверительных интервалов для коэффициентов в mdl.

пример

ci = coefCI(mdl,alpha) возвращает доверительные интервалы с помощью доверительного уровня 1 – alpha.

Примеры

свернуть все

Подбирайте модель линейной регрессии и получите значение по умолчанию 95% доверительных интервалов для получившихся коэффициентов модели.

Загрузите carbig набор данных и составляет таблицу в который Origin предиктор является категориальным.

load carbig
Origin = categorical(cellstr(Origin));
tbl = table(Horsepower,Weight,MPG,Origin);

Подбирайте модель линейной регрессии. Задайте Horsepower, Weight, и Origin как переменные предикторы, и задают MPG как переменная отклика.

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin';
mdl = fitlm(tbl,modelspec);

Просмотрите имена коэффициентов.

mdl.CoefficientNames
ans = 1x9 cell array
  Columns 1 through 4

    {'(Intercept)'}    {'Horsepower'}    {'Weight'}    {'Origin_France'}

  Columns 5 through 7

    {'Origin_Germany'}    {'Origin_Italy'}    {'Origin_Japan'}

  Columns 8 through 9

    {'Origin_Sweden'}    {'Origin_USA'}

Найдите доверительные интервалы для коэффициентов модели.

ci = coefCI(mdl)
ci = 9×2

   43.3611   59.9390
   -0.0748   -0.0315
   -0.0059   -0.0037
  -17.3623   -0.3477
  -15.7503    0.7434
  -17.2091    0.0613
  -14.5106    1.8738
  -18.5820   -1.5036
  -17.3114   -0.9642

Подбирайте модель линейной регрессии и получите доверительные интервалы для получившихся коэффициентов модели с помощью заданного доверительного уровня.

Загрузите carbig набор данных и составляет таблицу в который Origin предиктор является категориальным.

load carbig
Origin = categorical(cellstr(Origin));
tbl = table(Horsepower,Weight,MPG,Origin);

Подбирайте модель линейной регрессии. Задайте Horsepower, Weight, и Origin как переменные предикторы, и задают MPG как переменная отклика.

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin';
mdl = fitlm(tbl,modelspec);

Найдите 99% доверительных интервалов для коэффициентов.

ci = coefCI(mdl,.01)
ci = 9×2

   40.7365   62.5635
   -0.0816   -0.0246
   -0.0062   -0.0034
  -20.0560    2.3459
  -18.3615    3.3546
  -19.9433    2.7955
  -17.1045    4.4676
  -21.2858    1.2002
  -19.8995    1.6238

Доверительные интервалы более широки, чем значение по умолчанию 95% доверительных интервалов в Доверительных интервалах Находки для Коэффициентов модели.

Входные параметры

свернуть все

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

Уровень значения для доверительного интервала, заданного как числовое значение в области значений [0,1]. Доверительный уровень ci равно 100 (1 – alpha) %. alpha вероятность, что доверительный интервал не содержит истинное значение.

Пример: 0.01

Типы данных: single | double

Выходные аргументы

свернуть все

Доверительные интервалы, возвращенные как k-by-2 числовая матрица, где k является количеством коэффициентов. j th строка ci доверительный интервал j th коэффициент mdl. Имя коэффициента j хранится в CoefficientNames свойство mdl.

Типы данных: single | double

Больше о

свернуть все

Доверительный интервал

Содействующие доверительные интервалы обеспечивают меру точности для оценок коэффициента регрессии.

100 (1 – α) доверительный интервал % дает область значений, которую соответствующий коэффициент регрессии будет хорошо знать 100 (1 – α) уверенность %, означая, что 100 (1 – α) % интервалов, следующих из повторного экспериментирования, будет содержать истинное значение коэффициента.

100* (1 – α) доверительные интервалы % для коэффициентов регрессии

bi±t(1α/2,np)SE(bi),

где b, i является содействующей оценкой, SE (b i) является стандартной погрешностью содействующей оценки, и t (1–α/2, np) является 100 (1 – α/2) процентиль t - распределения с n – степени свободы p. n является количеством наблюдений, и p является количеством коэффициентов регрессии.

Представленный в R2012a

Для просмотра документации необходимо авторизоваться на сайте