plotAdded

Добавленный переменный график модели линейной регрессии

Описание

пример

plotAdded(mdl) создает добавленный переменный график для целой модели mdl кроме константы (точка пересечения) термин.

пример

plotAdded(mdl,coef) создает добавленный переменный график для заданных условий coef.

plotAdded(mdl,coef,Name,Value) задает графические свойства точек скорректированных данных с помощью одного или нескольких аргументов пары "имя-значение". Например, можно задать символ маркера и размер для точек данных.

plotAdded(ax,___) создает график в осях, заданных ax вместо текущей системы координат, с помощью любой из комбинаций входных аргументов в предыдущих синтаксисах.

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

Примеры

свернуть все

Создайте модель линейной регрессии пробега автомобиля в зависимости от веса и модельный год. Затем создайте добавленный переменный график видеть значение модели.

Создайте модель линейной регрессии пробега от carsmall набор данных.

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

Создайте добавленный переменный график модели.

plot(mdl)

Figure contains an axes. The axes with title Added variable plot for whole model contains 3 objects of type line. These objects represent Adjusted data, Fit: y=8.44866*x, 95% conf. bounds.

График иллюстрирует, что модель является значительной, потому что горизонтальная линия не соответствует между доверительными границами.

Создайте тот же график при помощи plotAdded функция.

plotAdded(mdl)

Figure contains an axes. The axes with title Added variable plot for whole model contains 3 objects of type line. These objects represent Adjusted data, Fit: y=8.44866*x, 95% conf. bounds.

Создайте модель линейной регрессии пробега автомобиля в зависимости от веса и модельный год. Затем создайте добавленный переменный график видеть эффект условий веса (Weight и Weight^2).

Создайте модель линейной регрессии использование carsmall набор данных.

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

Найдите члены в модели, соответствующие Weight и Weight^2.

mdl.CoefficientNames
ans = 1x5 cell
    {'(Intercept)'}    {'Weight'}    {'Year_76'}    {'Year_82'}    {'Weight^2'}

Условия веса равняются 2 и 5.

Создайте добавленный переменный график с условиями веса.

coef = [2 5];
plotAdded(mdl,coef)

Figure contains an axes. The axes with title Added variable plot for specified terms contains 3 objects of type line. These objects represent Adjusted data, Fit: y=0.0164036*x, 95% conf. bounds.

График иллюстрирует, что условия веса являются значительными, потому что горизонтальная линия не соответствует между доверительными границами.

Создайте график рассеивания данных наряду с кривой по экспериментальным точкам и доверительными границами для простой модели линейной регрессии. Простая модель линейной регрессии включает только один переменный предиктор.

Создайте простую модель линейной регрессии пробега от carsmall набор данных.

load carsmall
tbl = table(MPG,Weight);
mdl = fitlm(tbl,'MPG ~ Weight')
mdl = 
Linear regression model:
    MPG ~ 1 + Weight

Estimated Coefficients:
                    Estimate        SE         tStat       pValue  
                   __________    _________    _______    __________

    (Intercept)        49.238       1.6411     30.002    2.7015e-49
    Weight         -0.0086119    0.0005348    -16.103    1.6434e-28


Number of observations: 94, Error degrees of freedom: 92
Root Mean Squared Error: 4.13
R-squared: 0.738,  Adjusted R-Squared: 0.735
F-statistic vs. constant model: 259, p-value = 1.64e-28

pValue из Weight переменная очень мала, что означает, что переменная является статистически значительной в модели. Визуализируйте этот результат путем создания графика рассеивания данных, наряду с кривой по экспериментальным точкам и ее 95% доверительных границ, использования plot функция.

plot(mdl)

Figure contains an axes. The axes with title MPG vs. Weight contains 4 objects of type line. These objects represent Data, Fit, Confidence bounds.

График иллюстрирует, что модель является значительной, потому что горизонтальная линия не соответствует между доверительными границами, который сопоставим с pValue результат.

Создайте тот же график при помощи plotAdded функция.

plotAdded(mdl)

Figure contains an axes. The axes with title Added variable plot for Weight contains 3 objects of type line. These objects represent Adjusted data, Fit: y=-0.00861193*x, 95% conf. bounds.

Когда модель включает только один термин в дополнение к постоянному термину, настроенное значение эквивалентно своему исходному значению. Поэтому этот добавленный переменный график совпадает с графиком рассеивания, созданным plot функция.

Входные параметры

свернуть все

Модель линейной регрессии в виде LinearModel объект создал использование fitlm или stepwiselm.

Коэффициенты в модели mdl регрессииВ виде одного из следующего:

  • Вектор символов или строковый скаляр одного коэффициента называют в mdl.CoefficientNames (CoefficientNames свойство mdl).

  • Вектор из положительных целых чисел, представляющих индексы коэффициентов в mdl.CoefficientNames. Используйте вектор, чтобы задать несколько коэффициентов.

Типы данных: char | string | single | double

Целевые оси в виде Axes объект.

Если вы не задаете оси, и текущая система координат является Декартовой, то plotAdded использует текущую систему координат (gca). Для получения дополнительной информации о создании Axes возразите, смотрите axes и gca.

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.

Пример: 'Color','blue','Marker','*'

Примечание

Графические свойства, перечисленные здесь, являются только подмножеством. Для полного списка смотрите Line Properties. Заданные свойства определяют внешний вид точек скорректированных данных.

Цвет линии в виде разделенной запятой пары, состоящей из 'Color' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое название для одного из параметров цвета перечислены в следующей таблице.

'Color' аргумент пары "имя-значение" также определяет цвет контура маркера и цвет заливки маркера если 'MarkerEdgeColor' 'auto' (значение по умолчанию) и 'MarkerFaceColor' 'auto'.

Для пользовательского цвета задайте триплет RGB или шестнадцатеричный цветовой код.

  • Триплет RGB представляет собой трехэлементный вектор-строку, элементы которого определяют интенсивность красных, зеленых и синих компонентов цвета. Интенсивность должна быть в области значений [0,1]; например, [0.4 0.6 0.7].

  • Шестнадцатеричный цветовой код является вектором символов или строковым скаляром, который запускается с символа хеша (#) сопровождаемый тремя или шестью шестнадцатеричными цифрами, которые могут лежать в диапазоне от 0 к F. Значения не являются чувствительными к регистру. Таким образом, цветовые коды '#FF8800', '#ff8800', '#F80', и '#f80' эквивалентны.

Кроме того, вы можете задать имена некоторых простых цветов. Эта таблица приводит опции именованного цвета, эквивалентные триплеты RGB и шестнадцатеричные цветовые коды.

Название цветаКраткое названиеТриплет RGBШестнадцатеричный цветовой кодВнешний вид
'red''r'[1 0 0]'#FF0000'

'green''g'[0 1 0]'#00FF00'

'blue''b'[0 0 1]'#0000FF'

'cyan' 'c'[0 1 1]'#00FFFF'

'magenta''m'[1 0 1]'#FF00FF'

'yellow''y'[1 1 0]'#FFFF00'

'black''k'[0 0 0]'#000000'

'white''w'[1 1 1]'#FFFFFF'

'none'Не применяетсяНе применяетсяНе применяетсяНет цвета

Вот являются триплеты RGB и шестнадцатеричные цветовые коды для цветов по умолчанию использованием MATLAB® во многих типах графиков.

Триплет RGBШестнадцатеричный цветовой кодВнешний вид
[0 0.4470 0.7410]'#0072BD'

[0.8500 0.3250 0.0980]'#D95319'

[0.9290 0.6940 0.1250]'#EDB120'

[0.4940 0.1840 0.5560]'#7E2F8E'

[0.4660 0.6740 0.1880]'#77AC30'

[0.3010 0.7450 0.9330]'#4DBEEE'

[0.6350 0.0780 0.1840]'#A2142F'

Пример: 'Color','blue'

Ширина линии в виде разделенной запятой пары, состоящей из 'LineWidth' и положительное значение в точках. Если у линии есть маркеры, ширина линии также влияет на края маркера.

Пример: 'LineWidth',0.75

Символ маркера в виде разделенной запятой пары, состоящей из 'Marker' и одно из значений в этой таблице.

ЗначениеОписание
'o'Круг
'+'Знак «плюс»
'*'Звездочка
'.'Точка
'x'Крест
'_'Горизонтальная линия
'|'Вертикальная линия
'square' или 's'Квадрат
'diamond' или 'd'Ромб
'^'Треугольник, направленный вверх
'v'Нисходящий треугольник
'>'Треугольник, указывающий вправо
'<'Треугольник, указывающий влево
'pentagram' или 'p'Пятиконечная звезда (пентаграмма)
'hexagram' или 'h'Шестиконечная звезда (гексаграмма)
'none'Никакие маркеры

Пример: 'Marker','+'

Цвет контура маркера в виде разделенной запятой пары, состоящей из 'MarkerEdgeColor' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое название для одного из параметров цвета перечислены в Color аргумент пары "имя-значение".

Значение по умолчанию 'auto' использует тот же цвет, заданный при помощи 'Color'.

Пример: 'MarkerEdgeColor','blue'

Цвет заливки маркера в виде разделенной запятой пары, состоящей из 'MarkerFaceColor' и триплет RGB, шестнадцатеричный цветовой код, название цвета или краткое название для одного из параметров цвета перечислены в Color аргумент пары "имя-значение".

'auto' значение использует тот же цвет, заданный при помощи 'Color'.

Пример: 'MarkerFaceColor','blue'

Размер маркера в виде разделенной запятой пары, состоящей из 'MarkerSize' и положительное значение в точках.

Пример: 'MarkerSize',2

Выходные аргументы

свернуть все

Объекты линии, возвращенные как вектор 3 на 1. h(1), h(2), и h(3) соответствуйте точкам скорректированных данных, адаптированной линии, и 95% доверительных границ подходящей линии, соответственно. Используйте запись через точку, чтобы запросить и установить свойства объектов линии. Для получения дополнительной информации смотрите Line Properties.

Можно использовать аргументы пары "имя-значение", чтобы задать внешний вид точек скорректированных данных, соответствующих первому графическому объекту h(1).

Больше о

свернуть все

Добавленный переменный график

Добавленный переменный график, также известный как частичный график рычагов регрессии, иллюстрирует инкрементный эффект на ответе заданных условий, вызванных путем удаления эффектов всех других условий.

Добавленный переменный график, созданный plotAdded с одним выбранным термином, соответствующим одному переменному предиктору, включает эти графики:

  • График поля точек настроенных значений отклика против настроенных значений переменного предиктора

  • Подходящая линия для настроенных значений отклика в зависимости от настроенных значений переменного предиктора

  • 95% доверительных границ подходящей линии

Настроенные значения равны среднему значению переменной плюс остаточные значения переменной подгонки ко всем предикторам кроме выбранного предиктора. Например, считайте добавленный переменный график для первого переменного предиктора x 1. Соответствуйте переменной отклика y и выбранный переменный предиктор x 1 ко всем предикторам кроме x 1 можно следующим образом:

yi = gy (x 2i, x 3i, …, xpi) + ryi,

x 1i = gx (x 2i, x 3i, …, xpi) + rxi,

где gy и gx являются припадком y и x 1, соответственно, против всех предикторов кроме выбранного предиктора (x 1). ry и rx являются соответствующими векторами невязок. Индекс i представляет номер наблюдения. Настроенное значение является суммой среднего значения и невязки для каждого наблюдения.

y˜i=y¯+ryi,x˜1i=x¯1+rxi,

где x¯1 и y¯ представляйте среднее значение x 1 и y, соответственно.

plotAdded строит график рассеивания (x˜1i, y˜i), подходящая линия для y˜ в зависимости от x˜1 (то есть, β1x˜1), и 95% доверительных границ подходящей линии. Содействующий β 1 совпадает с содействующей оценкой x 1 в полной модели, которая включает все предикторы.

ryi представляет часть значений отклика, необъясненных предикторами (кроме x 1), и rxi представляет часть x 1 значение, необъясненное другими предикторами. Поэтому подходящая линия представляет, как новая информация, введенная путем добавления x 1, может объяснить необъясненную часть значений отклика. Если наклон подходящей линии близко к нулю, и доверительные границы могут включать горизонтальную линию, то график показывает, что новая информация от x 1 не объясняет необъясненную часть значений отклика хорошо. Таким образом, x 1 не является значительным в подгонке модели.

plotAdded также поддерживает расширение добавленного переменного графика так, чтобы можно было выбрать несколько условий вместо одного термина. Поэтому можно также задать категориальный предиктор, все условия, которые включают определенный предиктор или модель в целом (кроме константы (точка пересечения) термин). Считайте набор предикторов X с вектором коэффициентов β, где βi является содействующей оценкой xi в полной модели, если вы задаете i th коэффициент для добавленного переменного графика; в противном случае βi является нулем. Задайте модульный вектор направления u как u = β/s где s = норма (β). Затем X β = (X u) s. Обработайте X u как один предиктор с коэффициентом s и создайте добавленный переменный график для X u таким же образом как создание графика для одного термина. Коэффициент приспособленной линии в добавленном переменном графике соответствует s.

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, наряду с именем наблюдения или номером.

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.

  • plotAdded показывает инкрементный эффект на ответе заданных условий путем удаления эффектов других условий, тогда как plotAdjustedResponse показывает, что эффект выбранного предиктора в подгонке модели с другими предикторами составил в среднем путем усреднения подходящих значений. Обратите внимание на то, что определения настроенных значений в plotAdded и plotAdjustedResponse различные.

Расширенные возможности

Представленный в R2012a