plotprofile

Класс: RepeatedMeasuresModel

Постройте ожидаемые крайние средние значения с дополнительной группировкой

расширьте все на странице

Синтаксис

plotprofile(rm,X)
plotprofile(rm,Name,Value)
H = plotprofile(___)

Описание

пример

plotprofile(rm,X) строит ожидаемые крайние средние значения, вычисленные из модели rm повторных измерений как функция переменной X.

пример

plotprofile(rm,Name,Value) строит ожидаемые крайние средние значения, вычисленные из модели rm повторных измерений с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Например, можно задать факторы, чтобы сгруппироваться или изменить цвета линии.

H = plotprofile(___) возвращает указатели, H, к построенным линиям.

Входные параметры

развернуть все

Модель повторных измерений, возвращенная как RepeatedMeasuresModel объект.

Для свойств и методов этого объекта, смотрите RepeatedMeasuresModel.

Имя фактора в предметах или между предметами в виде вектора символов или строкового скаляра.

Например, если вы хотите построить крайние средние значения как функцию групп переменного препарата между предметами, можно задать его можно следующим образом.

Пример: 'Drug'

Типы данных: char | string

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.

Имя фактора между предметами или факторов в виде разделенной запятой пары, состоящей из 'Group' и вектор символов, массив строк или массив ячеек из символьных векторов. Этот аргумент пары "имя-значение" группирует линии согласно факторным значениям.

Например, если у вас есть два фактора между предметами, препарат и пол, и вы хотите сгруппировать линии в графике согласно им, можно задать эти факторы можно следующим образом.

Пример: 'Group',{'Drug','Sex'}

Типы данных: char | string | cell

Маркер, чтобы использовать для каждой группы в виде разделенной запятой пары, состоящей из 'Marker' и массив строк или массив ячеек из символьных векторов.

Например, если у вас есть два фактора между предметами, препарат и пол, с каждым имеющим две группы, можно задать o как маркер для групп препарата и x как маркер для групп пола можно следующим образом.

Пример: 'Marker',{'o','o','x','x'}

Типы данных: string | cell

Цвет для каждой группы в виде разделенной запятой пары, состоящей из 'Color' и вектор символов, массив строк, массив ячеек из символьных векторов или строки матрицы RGB с тремя столбцами.

Например, если у вас есть два фактора между предметами, препарат и пол, с каждым имеющим две группы, можно задать красный как цвет для групп препарата и синего как цвет для групп пола можно следующим образом.

Пример: 'Color','rrbb'

Типы данных: single | double | char | string | cell

Стиль линии для каждой группы в виде разделенной запятой пары, состоящей из 'LineStyle' и массив строк или массив ячеек из символьных векторов.

Например, если у вас есть два фактора между предметами, препарат и пол, с каждым имеющим две группы, можно задать - как стиль линии одной группы и : как стиль линии для другой группы можно следующим образом.

Пример: 'LineStyle',{'-' ':' '-' ':'}

Типы данных: string | cell

Выходные аргументы

развернуть все

Обработайте к построенным линиям, возвращенным как указатель.

Примеры

развернуть все

Скрипт Open Live Script

Загрузите выборочные данные. 

load fisheriris

Вектор-столбец species состоит из ирисовых цветов трех различных разновидностей: setosa, versicolor, и virginica. Двойной матричный meas состоит из четырех типов измерений на цветах: длина и ширина чашелистиков и лепестков в сантиметрах, соответственно.

Храните данные в табличном массиве. 

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),...
'VariableNames',{'species','meas1','meas2','meas3','meas4'});
Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});

Подбирайте модель повторных измерений, где измерения являются ответами, и разновидность является переменным предиктором.

rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);

Выполните данные, сгруппированные факторными разновидностями. 

plotprofile(rm,'species')

Предполагаемые крайние средние значения, кажется, не соглашаются с группой. Можно вычислить стандартную погрешность и 95% доверительных интервалов для крайних средних значений с помощью margmean метод.

Скрипт Open Live Script

Загрузите выборочные данные. 

load repeatedmeas

Таблица between включает возраст переменных между предметами, IQ, группу, пол и восемь повторных измерений y1 через y8 как ответы. Таблица within включает переменные w1 в предмете и w2. Это - симулированные данные.

Подбирайте модель повторных измерений, где повторные измерения y1 через y8 ответы, и возраст, IQ, группа, пол, и взаимодействие пола группы является переменными предикторами. Также задайте матрицу проекта в предмете. 

rm = fitrm(between,'y1-y8 ~ Group*Gender + Age + IQ','WithinDesign',within);

Постройте предполагаемые крайние средние значения на основе факторов Group и Gender. 

ax1 = subplot(1,2,1);
plotprofile(rm,'Group')
ax2 = subplot(1,2,2);
plotprofile(rm,'Gender')
linkaxes([ax1 ax2],'y')

Постройте предполагаемые крайние средние значения на основе факторного Group и сгруппированный Gender. 

figure()
plotprofile(rm,'Group','Group','Gender')

Смотрите также

| |

Документация Statistics and Machine Learning Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте