disp

Класс: LinearMixedModel

Отобразите линейную модель смешанных эффектов

Синтаксис

Описание

пример

display(lme) отображает подходящую линейную модель lme смешанных эффектов.

Входные параметры

развернуть все

Линейная модель смешанных эффектов в виде LinearMixedModel объект, созданный с помощью fitlme или fitlmematrix.

Примеры

развернуть все

Загрузите выборочные данные.

load('shift.mat');

Массив набора данных показывает абсолютные 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 абсолютное 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 производительность значительно отличается согласно времени сдвига.

lme = fitlme(shift,'QCDev ~ Shift + (1|Operator)');

Отобразите модель.

disp(lme)
Linear mixed-effects model fit by ML

Model information:
    Number of observations              15
    Fixed effects coefficients           3
    Random effects coefficients          5
    Covariance parameters                2

Formula:
    QCDev ~ 1 + Shift + (1 | Operator)

Model fit statistics:
    AIC       BIC       LogLikelihood    Deviance
    59.012    62.552    -24.506          49.012  

Fixed effects coefficients (95% CIs):
    Name                     Estimate    SE         tStat       DF    pValue   
    {'(Intercept)'  }         3.1196     0.88681      3.5178    12    0.0042407
    {'Shift_Morning'}        -0.3868     0.48344    -0.80009    12      0.43921
    {'Shift_Night'  }         1.9856     0.48344      4.1072    12    0.0014535


    Lower      Upper  
     1.1874     5.0518
    -1.4401    0.66653
    0.93227     3.0389

Random effects covariance parameters (95% CIs):
Group: Operator (5 Levels)
    Name1                  Name2                  Type           Estimate
    {'(Intercept)'}        {'(Intercept)'}        {'std'}        1.8297  


    Lower      Upper 
    0.94915    3.5272

Group: Error
    Name               Estimate    Lower      Upper 
    {'Res Std'}        0.76439     0.49315    1.1848

Это отображение включает статистику производительности модели, Akaike и Критерии информации о Bayesian, Akaike и Критерии информации о Bayesian, логарифмическую правдоподобность и Отклонение.

Содействующая таблица фиксированных эффектов включает имена и оценки коэффициентов в первых двух столбцах. Третий столбец SE показывает стандартные погрешности коэффициентов. Столбец tStat включает t- статистические значения, которые соответствуют каждому коэффициенту. DF остаточные степени свободы и pValue p- значение, которое соответствует соответствию t- статистическое значение. Столбцы Lower и Upper отобразите нижние и верхние пределы 95%-го доверительного интервала для каждого коэффициента фиксированных эффектов.

Первая таблица для случайных эффектов показывает типы и оценки случайных параметров ковариации эффектов с нижними и верхними пределами 95%-го доверительного интервала для каждого параметра. Отображение также показывает имя сгруппированной переменной, оператора и общего количества уровней, 5.

Вторая таблица для случайных эффектов показывает оценку ошибки наблюдения с нижними и верхними пределами 95%-го доверительного интервала.

Больше о

развернуть все

Ссылки

[1] Hox, J. Многоуровневый анализ, методы и приложения. Lawrence Erlbaum Associates, Inc., 2002.

[2] Стрэм Д. О. и Дж. В. Ли. “Тестирование компонентов отклонения в продольной модели смешанных эффектов”. Биометрика, Издание 50, 4, 1994, стр 1171–1177.

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте