Загрузите выборочные данные.

load repeatedmeas

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

Подбирайте модель повторных измерений, где повторные измерения y1 к y8 ответы, и возраст, IQ, группа, пол, и взаимодействие пола группы является переменными предикторами. 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'});

Подбирайте модель повторных измерений, где измерения являются ответами, и разновидность является переменным предиктором.

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

StdError поле показывает стандартные погрешности предполагаемых крайних средних значений. Lower и Upper поля 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 plotprofile метод.

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