Exponenta Banner
exponenta event banner

эпсилон

Класс: Модель МР

Эпсилоновая корректировка для повторных мероприятий anova

развернуть все на странице

Синтаксис

tbl = эпсилон (rm)
tbl = эпсилон (rm, C)

Описание

пример

tbl = epsilon(rm) возвращает коэффициенты корректировки эпсилона для модели повторяющихся измерений rm.

tbl = epsilon(rm,C) возвращает поправочные коэффициенты эпсилона для теста на основе контрастной матрицы C.

Входные аргументы

развернуть все

Модель повторных измерений, возвращенная как RepeatedMeasuresModel объект.

Свойства и методы этого объекта см. в разделе RepeatedMeasuresModel.

Контрасты, заданные как матрица. Значение по умолчанию C - Q-фактор в QR-разложении матрицы M, где M определяется так, что Y * M является разницей между всеми последовательными парами столбцов матрицы повторных измерений Y.

Типы данных: single | double

Выходные аргументы

развернуть все

Эпсилоновые поправочные коэффициенты для модели повторных измерений rm, возвращено в виде таблицы. tbl содержит четыре различных корректировки для epsilon.

ИсправлениеОпределение
UncorrectedБез регулировок, эпсилон = 1
Greenhouse-GeisserАппроксимация теплицы-Гейссера
Huynh-FeldtПриближение Хуйна - Фельдта
Lower boundНижняя граница значения p

Дополнительные сведения см. в разделах Допущение составной симметрии и Коррекция Эпсилона.

Типы данных: table

Примеры

развернуть все

Открыть сценарий в реальном времени

Загрузите образцы данных. 

load fisheriris

Вектор столбца, species состоит из цветков радужки трёх различных видов: сетозы, версиколора, виргиники. Двойная матрица meas состоит из четырёх видов измерений на цветках: 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'});

Подгоните модель повторных измерений, где измерения являются откликами, а вид является предикторной переменной.

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

Выполните повторный дисперсионный анализ измерений. 

ranovatbl = ranova(rm)
ranovatbl=3×8 table
                                SumSq     DF      MeanSq       F         pValue        pValueGG       pValueHF       pValueLB  
                                ______    ___    ________    ______    ___________    ___________    ___________    ___________

    (Intercept):Measurements    1656.3      3      552.09    6873.3              0    9.4491e-279    2.9213e-283    2.5871e-125
    species:Measurements        282.47      6      47.078     586.1    1.4271e-206    4.9313e-156    1.5406e-158     9.0151e-71
    Error(Measurements)         35.423    441    0.080324

ranova вычисляет последние три значения p с использованием поправок Теплицы-Гейссера, Хёйна-Фельдта и нижней границы соответственно.

Просмотрите значения коррекции эпсилона. 

epsilon(rm)
ans=1×4 table
    Uncorrected    GreenhouseGeisser    HuynhFeldt    LowerBound
    ___________    _________________    __________    __________

         1              0.75179          0.76409       0.33333

Можно проверить предположение о составной симметрии (сферичности), используя mauchly способ.

Совет

  • mauchly способ позволяет проверить сферичность.

  • ranova метод содержит p-значения на основе каждого значения эпсилона.

Алгоритмы

ranova вычисляет регулярное значение p (в pValue в столбце rmanova таблица) с использованием функции F-статистического кумулятивного распределения:

p-значение = 1 - fcdf (F, v1, v2).

Если предположение о симметрии соединения не удовлетворено, ranova использует поправочный коэффициент epsilon, start, для вычисления скорректированных значений p следующим образом:

p-value_corrected = 1 - fcdf (F,

epsilon возвращает значения корректировки эпсилона.

См. также

| |

Темы

Документация по инструментам для статистического и машинного обучения

Поддержка