Класс: LinearMixedModel
Доверительные интервалы для коэффициентов линейной модели смешанных эффектов
возвращает 95% доверительных интервалов для коэффициентов фиксированных эффектов в линейной модели feCI
= coefCI(lme
,Name,Value
)lme
смешанных эффектов с дополнительными опциями, заданными одним или несколькими
Name,Value
парные аргументы.
Например, можно задать доверительный уровень или метод, чтобы вычислить степени свободы.
lme
— Линейная модель смешанных эффектовLinearMixedModel
объектЛинейная модель смешанных эффектов в виде LinearMixedModel
объект, созданный с помощью fitlme
или fitlmematrix
.
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и 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
.
'Alpha'
— Уровень значенияУровень значения в виде разделенной запятой пары, состоящей из 'Alpha'
и скалярное значение в области значений от 0 до 1. Для значения α, доверительный уровень равняется 100* (1–α) %.
Например, для 99% доверительных интервалов, можно задать доверительный уровень можно следующим образом.
Пример: 'Alpha',0.01
Типы данных: single
| double
'DFMethod'
— Метод для вычисления аппроксимированных степеней свободы'residual'
(значение по умолчанию) | 'satterthwaite'
| 'none'
Метод для вычисления аппроксимированных степеней свободы для расчета доверительного интервала в виде разделенной запятой пары, состоящей из 'DFMethod'
и одно из следующих.
'residual' | Значение по умолчанию. Степени свободы приняты постоянным и равняются n – p, где n является количеством наблюдений, и p является количеством фиксированных эффектов. |
'satterthwaite' | Приближение Satterthwaite. |
'none' | Все степени свободы установлены в бесконечность. |
Например, можно задать приближение Satterthwaite можно следующим образом.
Пример: 'DFMethod','satterthwaite'
feCI
— Доверительные интервалы фиксированных эффектовДоверительные интервалы фиксированных эффектов, возвращенные как p-by-2 матрица. feCI
содержит пределы достоверности, которые соответствуют оценкам фиксированных эффектов p в векторном beta
возвращенный fixedEffects
метод. Первый столбец feCI
имеет более низкие пределы достоверности, и второй столбец имеет верхние пределы достоверности.
reCI
— Доверительные интервалы случайных эффектовДоверительные интервалы случайных эффектов, возвращенные как q-by-2 матрица. reCI
содержит пределы достоверности, соответствующие оценкам случайных эффектов q в векторном B
возвращенный randomEffects
метод. Первый столбец reCI
имеет более низкие пределы достоверности, и второй столбец имеет верхние пределы достоверности.
Загрузите выборочные данные.
load('weight.mat')
weight
содержит данные из продольного исследования, где 20 предметов случайным образом присвоены 4 программам подготовки, и их потеря веса зарегистрирована более чем шесть 2-недельных периодов времени. Это - симулированные данные.
Храните данные в таблице. Задайте Subject
и Program
как категориальные переменные.
tbl = table(InitialWeight, Program, Subject,Week, y); tbl.Subject = nominal(tbl.Subject); tbl.Program = nominal(tbl.Program);
Подбирайте линейную модель смешанных эффектов, где начальный вес, тип программы, неделя и взаимодействие между неделей и типом программы являются фиксированными эффектами. Прерывание и неделя варьируется предметом.
lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');
Вычислите содействующие оценки фиксированных эффектов.
fe = fixedEffects(lme)
fe = 9×1
0.6610
0.0032
0.3608
-0.0333
0.1132
0.1732
0.0388
0.0305
0.0331
Первая оценка, 0.6610, соответствует постоянному термину. Вторая строка, 0.0032, и третья строка, 0.3608, является оценками для коэффициента начального веса и неделя, соответственно. Строки четыре - шесть соответствуют переменным индикатора для программ B-D, и последние три строки соответствуют взаимодействию программ B-D и неделя.
Вычислите 95% доверительных интервалов для коэффициентов фиксированных эффектов.
fecI = coefCI(lme)
fecI = 9×2
0.1480 1.1741
0.0005 0.0059
0.1004 0.6211
-0.2932 0.2267
-0.1471 0.3734
0.0395 0.3069
-0.1503 0.2278
-0.1585 0.2196
-0.1559 0.2221
Некоторые доверительные интервалы включают 0. Получить конкретный - значения для каждого термина фиксированных эффектов, используйте fixedEffects
метод. Чтобы протестировать на целые условия используют anova
метод.
Загрузите выборочные данные.
load carbig
Подбирайте линейную модель смешанных эффектов для миль на галлон (MPG) с фиксированными эффектами для ускорения и лошадиной силы, и потенциально коррелированым случайным эффектом для прерывания и ускорения, сгруппированного модельным годом. Во-первых, храните данные в таблице.
tbl = table(Acceleration,Horsepower,Model_Year,MPG);
Подбирайте модель.
lme = fitlme(tbl, 'MPG ~ Acceleration + Horsepower + (Acceleration|Model_Year)');
Вычислите содействующие оценки фиксированных эффектов.
fe = fixedEffects(lme)
fe = 3×1
50.1325
-0.5833
-0.1695
Вычислите 99% доверительных интервалов для коэффициентов фиксированных эффектов с помощью метода остаточных значений, чтобы определить степени свободы. Это - метод по умолчанию.
feCI = coefCI(lme,'Alpha',0.01)
feCI = 3×2
44.2690 55.9961
-0.9300 -0.2365
-0.1883 -0.1507
Вычислите 99% доверительных интервалов для коэффициентов фиксированных эффектов с помощью приближения Satterthwaite, чтобы вычислить степени свободы.
feCI = coefCI(lme,'Alpha',0.01,'DFMethod','satterthwaite')
feCI = 3×2
44.0949 56.1701
-0.9640 -0.2025
-0.1884 -0.1507
Приближение Satterthwaite производит подобные доверительные интервалы, чем остаточный метод.
Загрузите выборочные данные.
load('shift.mat')
Данные показывают отклонения от целевой качественной характеристики, измеренной от продуктов, что пять операторов производят во время трех сдвигов: утро, вечер и ночь. Это - рандомизированная блочная конструкция, где операторы являются блоками. Эксперимент спроектирован, чтобы изучить удар времени сдвига на производительности. Критерием качества работы является отклонение качественных характеристик от целевого значения. Это - симулированные данные.
Shift
и Operator
номинальные переменные.
shift.Shift = nominal(shift.Shift); shift.Operator = nominal(shift.Operator);
Подбирайте линейную модель смешанных эффектов со случайным прерыванием, сгруппированным оператором, чтобы оценить, если существует значительная разница в производительности согласно времени сдвига.
lme = fitlme(shift,'QCDev ~ Shift + (1|Operator)');
Вычислите оценку BLUPs для случайных эффектов.
randomEffects(lme)
ans = 5×1
0.5775
1.1757
-2.1715
2.3655
-1.9472
Вычислите 95% доверительных интервалов для случайных эффектов.
[~,reCI] = coefCI(lme)
reCI = 5×2
-1.3916 2.5467
-0.7934 3.1449
-4.1407 -0.2024
0.3964 4.3347
-3.9164 0.0219
Вычислите 99% доверительных интервалов для случайных эффектов с помощью метода остаточных значений, чтобы определить степени свободы. Это - метод по умолчанию.
[~,reCI] = coefCI(lme,'Alpha',0.01)
reCI = 5×2
-2.1831 3.3382
-1.5849 3.9364
-4.9322 0.5891
-0.3951 5.1261
-4.7079 0.8134
Вычислите 99% доверительных интервалов для случайных эффектов с помощью приближения Satterthwaite, чтобы определить степени свободы.
[~,reCI] = coefCI(lme,'Alpha',0.01,'DFMethod','satterthwaite')
reCI = 5×2
-2.6840 3.8390
-2.0858 4.4372
-5.4330 1.0900
-0.8960 5.6270
-5.2087 1.3142
Приближение Satterthwaite может произвести меньший DF
значения, чем остаточный метод. Именно поэтому эти доверительные интервалы больше, чем предыдущие единицы, вычисленные с помощью остаточного метода.
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.