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 создал использование 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 = categorical(tbl.Subject);
tbl.Program = categorical(tbl.Program);

Подбирайте линейную модель смешанных эффектов, где начальный вес, тип программы, неделя и взаимодействие между неделей и типом программы являются фиксированными эффектами. Точка пересечения и неделя варьируется предметом.

lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');

Постройте гистограмму необработанных остаточных значений.

plotResiduals(lme)

Figure contains an axes. The axes with title Histogram of residuals contains an object of type patch.

Постройте остаточные значения по сравнению с подходящими значениями.

plotResiduals(lme,'fitted')

Figure contains an axes. The axes with title Plot of residuals vs. fitted values contains 2 objects of type line.

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

Создайте график нормального распределения остаточных значений.

plotResiduals(lme,'probability')

Figure contains an axes. The axes with title Normal probability plot of residuals contains 2 objects of type line.

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'})

Figure contains an axes. The axes contains 21 objects of type line.

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')

Figure contains an axes. The axes with title Plot of residuals vs. lagged residuals contains 3 objects of type line.

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

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте