Exponenta Banner

plotEffects

Постройте основные эффекты предикторов в модели линейной регрессии

свернуть все на странице

Синтаксис

plotEffects(mdl)
h = plotEffects(mdl)

Описание

пример

plotEffects(mdl) создает график эффектов предикторов в модели mdl линейной регрессии. График эффектов показывает предполагаемый основной эффект на ответе от изменения каждого значения предиктора, составляя в среднем эффекты других предикторов. Горизонтальная линия через значение эффекта указывает на 95%-й доверительный интервал для значения эффекта.

h = plotEffects(mdl) возвращает объекты линии. Используйте h изменить свойства определенной линии после того, как вы создаете график. Для списка свойств смотрите Line Properties.

Примеры

свернуть все

Скрипт Open Live Script

Загрузите carsmall набор данных и подбирает модель линейной регрессии пробега как функция модельного года, веса, и вес придал квадратную форму. 

load carsmall
tbl = table(MPG,Weight);
tbl.Year = categorical(Model_Year);
mdl = fitlm(tbl,'MPG ~ Year + Weight^2');

Создайте график эффектов. 

plotEffects(mdl)

Длина каждой горизонтальной линии на рисунке показывает 95%-й доверительный интервал для эффекта на ответе изменения, показанного для каждого предиктора. Например, предполагаемый эффект изменения Year от 70 к 82 увеличение приблизительно 8 и между 6 и 10 с 95%-м доверием.

Входные параметры

свернуть все

Объект модели линейной регрессии в виде LinearModel объект, созданный при помощи fitlm или stepwiselm, или CompactLinearModel объект создается при помощи compact.

Выходные аргументы

свернуть все

Объекты линии, возвращенные как вектор. h(1) соответствует кругам, которые представляют оценки эффекта и h(j+1) соответствует 95%-му доверительному интервалу для эффекта предиктора j. Используйте запись через точку, чтобы запросить и установить свойства объектов линии. Для получения дополнительной информации смотрите Line Properties.

Больше о

свернуть все

Основной эффект

Эффект или основной эффект, предиктора представляет эффект одного предиктора на ответе от изменения значения предиктора при составлении в среднем эффекты других предикторов.

Для переменного предиктора xs эффект задан

g (x s i) – g (x s j),

где g является Настроенной Функцией отклика. plotEffects функция выбирает наблюдения i и j можно следующим образом. Для категориальной переменной, которая не является порядковой, x s i и x s, j является значениями предиктора, которые производят максимальные и минимальные настроенные ответы, соответственно, так, чтобы значение эффекта было всегда положительно. Для числовой переменной или порядковой категориальной переменной, функция выбирает два значения предиктора, которые производят минимальные и максимальные настроенные ответы где x s i <x s j.

plotEffects строит значение эффекта и 95%-й доверительный интервал значения эффекта для каждого переменного предиктора.

Настроенный ответ

Настроенная функция отклика описывает отношение между подходящим ответом, и один предиктор, с другими предикторами составил в среднем путем усреднения подходящих значений по данным, используемым в подгонке.

Модель регрессии для переменных предикторов (x 1, x 2, …, x p) и переменная отклика y имеет форму

y i = f (x 1i, x 2i, …, x pi) + r i,

где f является подходящей функцией регрессии, и r является невязкой. Индекс i представляет номер наблюдения.

Настроенная функция отклика для первого переменного предиктора x 1, например, задана как

g(x1)=1n∑i=1nf(x1,x2i,x3i,...,xpi),

где n является количеством наблюдений. Настроенное значение данных ответа является суммой настроенного подходящего значения и невязки для каждого наблюдения.

y˜i=g(x1i)+ri.

plotAdjustedResponse строит настроенную функцию отклика и настроенные значения данных ответа для выбранного переменного предиктора.

Советы

  • Data Cursor отображает значения выбранной точки графика во всплывающей подсказке (маленькое текстовое поле, расположенное рядом с точкой данных). Всплывающая подсказка включает x - ось и y - значения оси для выбранной точки. Используйте x - значения оси, чтобы просмотреть предполагаемое значение эффекта и его доверительные границы.

Альтернативная функциональность

  • LinearModel объект обеспечивает несколько функций построения графика.

    • При создании модели использовать plotAdded изучать эффект добавления или удаления переменного предиктора.

    • При проверке модели использовать plotDiagnostics найти сомнительные данные и изучить эффект каждого наблюдения. Кроме того, используйте plotResiduals анализировать остаточные значения модели.

    • После подбирания модели использовать plotAdjustedResponse, plotPartialDependence, и plotEffects изучать эффект конкретного предиктора. Использование plotInteraction изучать эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice построить срезы через поверхность предсказания.

Расширенные возможности

Смотрите также

| | |

Темы

Представленный в R2012a

Документация Statistics and Machine Learning Toolbox

Поддержка