Exponenta Banner

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 в зависимости от 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 в зависимости от 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')

Figure contains an axes. The axes contains an object of type line.

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')

Figure contains 2 axes. Axes 1 contains an object of type line. Axes 2 contains an object of type line.

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

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

Figure contains an axes. The axes contains 2 objects of type line. These objects represent Gender=Female, Gender=Male.

Смотрите также

| |

Документация Statistics and Machine Learning Toolbox

Поддержка