Класс: GeneralizedLinearMixedModel
Матрицы, построенные на основе фиксированных или случайных эффектов
glme
— Обобщенная линейная модель смешанных эффектовGeneralizedLinearMixedModel
объектОбобщенная линейная модель смешанных эффектов в виде GeneralizedLinearMixedModel
объект. Для свойств и методов этого объекта, смотрите GeneralizedLinearMixedModel
.
gnumbers
— Числа сгруппированной переменнойЧисла сгруппированной переменной в виде массива целочисленных значений, содержащих элементы в области значений [1, R], где R является длиной массива ячеек, который содержит сгруппированные переменные для обобщенной линейной модели glme
смешанных эффектов.
Например, можно задать сгруппированные переменные g1, g3, и gr как [1,3,r]
.
Типы данных: single
| double
D
— Матрица проектаМатрица проекта обобщенной линейной модели glme
смешанных эффектов возвращенный как одно из следующего:
Фиксированные эффекты проектируют матрицу — n-by-p матрица, состоящая из фиксированных эффектов, проектирует матрицу glme
, где n является количеством наблюдений, и p является количеством условий фиксированных эффектов.
Случайные эффекты проектируют матрицу — n-by-k матрица, состоя из случайных эффектов проектирует матрицу glme
. Здесь, k равен length(B)
, где B
содействующий вектор случайных эффектов обобщенной линейной модели glme
смешанных эффектов. Матрица проекта случайных эффектов возвращена как разреженная матрица. Для получения дополнительной информации смотрите Разреженные матрицы (MATLAB).
Если glme
имеет сгруппированные переменные R g1, g2..., gR, с уровнями m 1, m 2..., m R, соответственно, и если q 1, q 2..., q R является длинами векторов случайных эффектов, которые сопоставлены с g1, g2..., gR, соответственно, затем B
вектор-столбец длины q 1*m1 + q 2*m2 +... + q R *mR.
B
сделан путем конкатенации эмпирических предикторов Бейеса случайных векторов эффектов, соответствующих каждому уровню каждой сгруппированной переменной как [g1level1; g1level2; ...; g1levelm1; g2level1; g2level2; ...; g2levelm2; ...; gRlevel1; gRlevel2; ...; gRlevelmR]'
.
Типы данных: single
| double
Dsub
— Субматрица случайных эффектов проектирует матрицуСубматрица случайных эффектов проектирует матрицу, которая соответствует сгруппированным переменным, заданным gnumbers
, возвращенный как n-by-k матрица, где k является длиной вектор-столбца Bsub
.
Bsub
содержит конкатенированные эмпирические предикторы Бейеса векторов случайных эффектов, соответствуя каждому уровню сгруппированных переменных, заданных gnumbers
.
Если, например, gnumbers
[1,3,r]
, это соответствует сгруппированным переменным g1, g3, и gr. Затем Bsub
содержит эмпирические предикторы Бейеса векторов случайных эффектов, соответствующих каждому уровню сгруппированных переменных g1, g3, и gr, такой как
[g1level1; g1level2; ...; g1levelm1; g3level1; g3level2; ...; g3levelm3; grlevel1; grlevel2; ...; grlevelmr]'
.
Таким образом, Dsub*Bsub
представляет вклад всего случайного соответствия эффектов сгруппированным переменным g1, g3, и gr к ответу glme
.
Если gnumbers
пусто, затем Dsub
полная матрица проекта случайных эффектов.
Типы данных: single
| double
gnames
— Имена сгруппированных переменныхИмена сгруппированных переменных, соответствующих целым числам в gnumbers
если типом проекта является 'Random'
, возвращенный как k-by-1 массив ячеек. Если типом проекта является 'Fixed'
, затем gnames
пустой матричный []
.
Типы данных: cell
Загрузите выборочные данные.
load mfr
Эти симулированные данные от компании-производителя, которая управляет 50 фабриками во всем мире с каждой фабрикой, запускающей процесс пакетной обработки, чтобы создать готовое изделие. Компания хочет сократить число дефектов в каждом пакете, таким образом, это разработало новый производственный процесс. Чтобы протестировать эффективность нового процесса, компания выбрала 20 своих фабрик наугад, чтобы участвовать в эксперименте: Десять фабрик реализовали новый процесс, в то время как другие десять продолжали запускать старый процесс. На каждой из этих 20 фабрик компания запустила пять пакетов (для в общей сложности 100 пакетов) и записала следующие данные:
Отметьте, чтобы указать, использовал ли пакет новый процесс (newprocess
)
Время вычислений для каждого пакета, в часах (time
)
Температура пакета, в градусах Цельсия (temp
)
Категориальная переменная, указывающая на поставщика (A
B
, или C
) из химиката, используемого в пакете (supplier
)
Количество дефектов в пакете (defects
)
Данные также включают time_dev
и temp_dev
, которые представляют абсолютное отклонение времени и температуры, соответственно, из стандарта процесса 3 часов на уровне 20 градусов Цельсия.
Подбирайте обобщенную линейную модель смешанных эффектов использование newprocess
, time_dev
, temp_dev
, и supplier
как предикторы фиксированных эффектов. Включайте термин случайных эффектов для прерывания, сгруппированного factory
, составлять качественные различия, которые могут существовать из-за специфичных для фабрики изменений. Переменная отклика defects
имеет распределение Пуассона, и соответствующая функция ссылки для этой модели является журналом. Используйте подходящий метод Лапласа, чтобы оценить коэффициенты. Задайте фиктивную переменную, кодирующую как 'effects'
, таким образом, фиктивные переменные коэффициенты суммируют к 0.
Количество дефектов может быть смоделировано с помощью распределения Пуассона
Это соответствует обобщенной линейной модели смешанных эффектов
где
количество дефектов, наблюдаемых в пакете, произведенном фабрикой во время пакета .
среднее количество дефектов, соответствующих фабрике (где ) во время пакета (где ).
, , и измерения для каждой переменной, которые соответствуют фабрике во время пакета . Например, указывает ли пакет, произведенный фабрикой во время пакета используемый новый процесс.
и фиктивные переменные, которые используют эффекты (сумма к нулю) кодирование, чтобы указать ли компания C
или B
, соответственно, предоставленный химикаты процесса для пакета производятся фабрикой во время пакета .
прерывание случайных эффектов для каждой фабрики это составляет специфичное для фабрики изменение по качеству.
glme = fitglme(mfr,'defects ~ 1 + newprocess + time_dev + temp_dev + supplier + (1|factory)','Distribution','Poisson','Link','log','FitMethod','Laplace','DummyVarCoding','effects');
Извлеките матрицу проекта фиксированных эффектов и строки 1 - 10 отображения.
Dfe = designMatrix(glme,'Fixed');
disp(Dfe(1:10,:))
1.0000 0 0.1834 0.2259 1.0000 0 1.0000 0 0.3035 0.0725 0 1.0000 1.0000 0 0.0717 0.1630 1.0000 0 1.0000 0 0.1069 0.0809 -1.0000 -1.0000 1.0000 0 0.0241 0.0319 1.0000 0 1.0000 0 0.1214 0.1114 0 1.0000 1.0000 0 0.0033 0.0553 1.0000 0 1.0000 0 0.2350 0.0616 1.0000 0 1.0000 0 0.0488 0.0177 0 1.0000 1.0000 0 0.1148 0.0105 1.0000 0
Столбец 1 фиксированных эффектов проектирует матричный Dfe
содержит постоянный термин. Столбец 2, 3, и 4 содержит newprocess
, time_dev
, и temp_dev
условия, соответственно. Столбцы 5 и 6 содержат фиктивные переменные для supplier_C
и supplier_B
, соответственно.
Извлеките матрицу проекта случайных эффектов и строки 1 - 10 отображения.
Dre = designMatrix(glme,'Random');
disp(Dre(1:10,:))
(1,1) 1 (2,1) 1 (3,1) 1 (4,1) 1 (5,1) 1 (6,2) 1 (7,2) 1 (8,2) 1 (9,2) 1 (10,2) 1
Преобразуйте разреженную матрицу Dre
к полной матрице и строкам 1 - 10 отображения.
full(Dre(1:10,:))
ans = 10×20
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Каждый столбец соответствует уровню сгруппированной переменной factory
.
GeneralizedLinearMixedModel
| fitglme
| fitted
| residuals
| response
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
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.