plotResiduals

Класс: LinearMixedModel

Постройте остаточные значения линейной модели смешанных эффектов

Описание

пример

plotResiduals(lme,plottype) строит необработанные условные остаточные значения линейной модели lme смешанных эффектов в графике типа, заданного plottype.

пример

plotResiduals(lme,plottype,Name,Value) также строит остаточные значения линейной модели lme смешанных эффектов с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Например, можно задать остаточный тип, чтобы построить.

plotResiduals также принимает некоторые другие аргументы пары "имя-значение", которые задают свойства первичной линии в графике. Для тех пар "имя-значение" смотрите plot.

h = plotResiduals(___) возвращает указатель, h, к линиям или закрашенным фигурам в графике остаточных значений.

Входные параметры

развернуть все

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

Тип остаточного графика в виде одного из следующих.

'histogram'Значение по умолчанию. Гистограмма остаточных значений
'caseorder'Остаточные значения по сравнению со случаем (строка) порядок
'fitted'Остаточные значения по сравнению с подходящими значениями
'lagged'Остаточные значения по сравнению с изолированной невязкой (r (t) по сравнению с r (t – 1))
'probability'График нормального распределения
'symmetry' График симметрии

Пример: plotResiduals(lme,'lagged')

Аргументы в виде пар имя-значение

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.

Остаточный тип, заданный разделенной запятой парой, состоящей из ResidualType и одно из следующих.

Остаточный типУсловное выражениеКрайний
'Raw'

riC=[yXβ^Zb^]i

riM=[yXβ^]i

'Pearson'

priC=riC[Var^y,b(yXβZb)]ii

priM=riM[Var^y(yXβ)]ii

'Standardized'

stiC=riC[Var^y(rC)]ii

stiM=riM[Var^y(rM)]ii

Для получения дополнительной информации об условных и крайних остаточных значениях и остаточных отклонениях, смотрите Definitions в конце этой страницы.

Пример: 'ResidualType','Standardized'

Выходные аргументы

развернуть все

Обработайте к остаточному графику, возвращенному как указатель.

Примеры

развернуть все

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)');

Постройте гистограмму необработанных остаточных значений.

plotResiduals(lme)

Постройте остаточные значения по сравнению с подходящими значениями.

figure();
plotResiduals(lme,'fitted')

Нет никакого очевидного шаблона, таким образом, нет никаких мгновенных знаков heteroscedasticity.

Создайте график нормального распределения остаточных значений.

figure();
plotResiduals(lme,'probability')

Данные, кажется, нормальны.

Найдите номер наблюдения для данных, которые, кажется, выброс справа от графика.

find(residuals(lme)>0.25)
ans =

   101

Создайте диаграмму сырых данных, Пирсона и стандартизированных остаточных значений.

r = residuals(lme);
pr = residuals(lme,'ResidualType','Pearson');
st = residuals(lme,'ResidualType','Standardized');
X = [r pr st];
boxplot(X,'labels',{'Raw','Pearson','Standardized'});

Все три диаграммы указывают на выброс на правом хвосте распределения. Диаграммы сырых данных и остаточных значений Пирсона также указывают на второй возможный выброс на левом хвосте. Найдите соответствующий номер наблюдения.

find(pr<-2)
ans =

    10

Постройте необработанные остаточные значения по сравнению с изолированными остаточными значениями.

plotResiduals(lme,'lagged')

В графике нет никакого очевидного шаблона. Остаточные значения, кажется, не коррелируются.

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте