Интерактивный ковариационный анализ
aoctool(x,y,group)
aoctool(x,y,group,alpha)
aoctool(x,y,group,alpha,xname,yname,gname)
aoctool(x,y,group,alpha,xname,yname,gname,displayopt)
aoctool(x,y,group,alpha,xname,yname,gname,displayopt,model)
h = aoctool(...)
[h,atab,ctab] = aoctool(...)
[h,atab,ctab,stats] = aoctool(...)
aoctool(x,y,group) соответствует отдельной линии к вектор-столбцам, x и y, для каждой группы, заданной значениями в массиве group. group может быть категориальный переменный, числовой вектор, символьный массив, массив строк или массив ячеек из символьных векторов. Эти типы моделей известны как односторонний ковариационный анализ (АНОКОВА) модели. Выход состоит из трех фигур:
Интерактивный график данных и кривых предсказания
Таблица ANOVA
Таблица оценок параметра
Можно использовать фигуры, чтобы изменить модели и протестировать различные части модели. Больше информации об интерактивном использовании aoctool функция появляется в Инструменте Ковариационного анализа.
aoctool(x,y,group,alpha) определяет доверительные уровни интервалов предсказания. Доверительным уровнем является 100(1-alpha)%. Значение по умолчанию alpha 0.05.
aoctool(x,y,group,alpha,xname,yname,gname) задает имя, чтобы использовать для xY, и g переменные в графике и таблицах. Если вы вводите имена простой переменной для the xY, и g аргументы, aoctool функционируйте использует те имена. Если вы вводите выражение для одного из этих аргументов, можно задать имя, чтобы использовать вместо того выражения путем предоставления этих аргументов. Например, если вы вводите m(:,2) как x аргумент, вы можете выбрать к enter 'Col 2' как xname аргумент.
aoctool(x,y,group,alpha,xname,yname,gname, включает отображения графика и таблицы когда displayopt)displayopt 'on' (значение по умолчанию) и подавляет те отображения когда displayopt 'off'.
aoctool(x,y,group,alpha,xname,yname,gname, задает первоначальную модель, чтобы соответствовать. Значение displayopt,model)model может быть любое следующее:
'same mean' — Соответствуйте одному среднему значению, игнорируя группировку
'separate means' — Соответствуйте отдельному среднему значению к каждой группе
'same line' — Соответствуйте одной строке, игнорируя группировку
'parallel lines' — Соответствуйте отдельной линии к каждой группе, но ограничьте линии быть параллельными
'separate lines' — Соответствуйте отдельной линии к каждой группе без ограничений
h = aoctool(...) возвращает вектор из указателей на объекты линии в графике.
[h,atab,ctab] = aoctool(...) возвращает массивы ячеек, содержащие записи в таблице ANOVA (atab) и таблица содействующих оценок (ctab). (Можно скопировать текстовую версию любой таблицы к буферу обмена при помощи Copy Text элемент в меню Edit.)
[h,atab,ctab,stats] = aoctool(...) возвращает stats структура, которую можно использовать, чтобы выполнить последующую обработку и анализ несколько тест сравнения. Выход таблицы ANOVA включает тесты гипотез, что наклоны или точки пересечения являются всеми одинаковыми против общей альтернативы, что они не являются всеми одинаковыми. Иногда желательно выполнять тест, чтобы определить, какие пары значений существенно отличаются, и которые не являются. Можно использовать multcompare функция, чтобы выполнить такие тесты путем предоставления stats структура, как введено. Можно протестировать или наклоны, точки пересечения или население крайние средние значения (высоты кривых в среднем x значение.
Этот пример иллюстрирует, как подбирать различные модели нев интерактивном режиме. После загрузки меньшего автомобильного набора данных и подбирать модель отдельных наклонов, можно исследовать содействующие оценки.
load carsmall
[h,a,c,s] = aoctool(Weight,MPG,Model_Year,0.05,...
'','','','off','separate lines');
c(:,1:2)
ans =
'Term' 'Estimate'
'Intercept' [45.97983716833132]
' 70' [-8.58050531454973]
' 76' [-3.89017396094922]
' 82' [12.47067927549897]
'Slope' [-0.00780212907455]
' 70' [ 0.00195840368824]
' 76' [ 0.00113831038418]
' 82' [-0.00309671407243]Примерно говоря, линии, связывающие MPG к Weight имейте точку пересечения близко к 45,98 и наклон близко к-0.0078. Коэффициенты каждой группы возмещены от этих значений несколько. Например, точка пересечения для автомобилей, сделанных в 1 970, 45.98-8.58 = 37.40.
Затем попробуйте подходящую параллель использования линии. (Таблица ANOVA показывает, что подгонка параллельных линий значительно хуже, чем подгонка отдельных линий.)
[h,a,c,s] = aoctool(Weight,MPG,Model_Year,0.05,...
'','','','off','parallel lines');
c(:,1:2)
ans =
'Term' 'Estimate'
'Intercept' [43.38984085130596]
' 70' [-3.27948192983761]
' 76' [-1.35036234809006]
' 82' [ 4.62984427792768]
'Slope' [-0.00664751826198]Снова, существуют различные точки пересечения для каждой группы, но на этот раз наклоны ограничиваются быть тем же самым.