Интерактивный анализ ковариации
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) подходит для отдельной линии к векторам-столбцам, x и y, для каждой группы, заданной значениями в массиве group. group может быть категориальной переменной, числовым вектором, символьным массивом, строковыми массивами или массивом ячеек векторов символов. Эти типы моделей известны как односторонний анализ ковариационных (ANOCOVA) моделей. Выходные выходы состоят из трех рисунков:
Интерактивный график данных и кривых предсказания
Таблица ANOVA
Таблица оценок параметров
Можно использовать рисунки для изменения моделей и для тестирования различных частей модели. Подробнее об интерактивном использовании aoctool функция появляется в Analysis of Covariation Tool.
aoctool(x,y,group,alpha) определяет доверительные уровни интервалов предсказания. Уровень доверия 100(1-alpha)%. Значение по умолчанию alpha составляет 0,05.
aoctool(x,y,group,alpha,xname,yname,gname) задает имя, используемое для x, y, и g переменные в графике и таблицах. Если вы вводите простые имена переменных для x, y, и g аргументы, aoctool функция использует эти имена. Если вы вводите выражение для одного из этих аргументов, можно задать имя, которое будет использоваться вместо этого выражения, предоставив эти аргументы. Для примера, если вы вводите m(:,2) как x аргумент, вы можете принять решение ввести 'Col 2' как xname аргумент.
aoctool(x,y,group,alpha,xname,yname,gname, включает график и таблицу отображений когда displayopt)displayopt является 'on' (по умолчанию) и подавляет эти отображения, когда displayopt является 'off'.
aoctool(x,y,group,alpha,xname,yname,gname, задает начальную модель, которая будет соответствовать. Значение displayopt,model)model может быть любым из следующих:
'same mean' - Подгонка под одно среднее, игнорируя группировку
'separate means' - Подбор отдельного среднего для каждой группы
'same line' - Подгонка одной линии, игнорируя группировку
'parallel lines' - Подгонка отдельной строки к каждой группе, но ограничение параллельности линий
'separate lines' - Подгонка отдельной линии к каждой группе без ограничений
h = aoctool(...) возвращает вектор указателей к объектам линий на графике.
[h,atab,ctab] = aoctool(...) возвращает массивы ячеек, содержащие записи в таблице ANOVA (atab) и таблица оценок коэффициентов (ctab). (Можно скопировать текстовую версию любой таблицы в буфер обмена с помощью Copy Text элемент в Edit меню.)
[h,atab,ctab,stats] = aoctool(...) возвращает stats структура, которую можно использовать для выполнения последующего нескольких сравнительных тестов. Выход таблицы ANOVA включает тесты гипотез о том, что склоны или точки пересечения все те же, против общей альтернативы, что они не все одинаковые. Иногда лучше выполнить тест, чтобы определить, какие пары значений значительно отличаются, а какие нет. Можно использовать multcompare функция для выполнения таких тестов путем подачи stats структура как вход. Можно проверить либо склоны, точки пересечения, либо маргинальные средства населения (высоты кривых в среднем x значение).
Этот пример иллюстрирует аппроксимацию различных моделей не в интерактивном режиме. После загрузки меньшего набора данных о автомобиле и подбора кривой модели с отдельными уклонами можно изучить оценки коэффициентов.
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]Грубо говоря, линии, относящиеся MPG на Weight иметь точку пересечения близкий к 45,98 и уклон близкий к -0,0078. Коэффициенты каждой группы несколько смещены из этих значений. Например, точка пересечения для автомобилей, произведенных в 1970 году, составляет 45,98-8,58 = 37,40.
Затем попробуйте подгонку с помощью параллельных линий. (Таблица ANOVA показывает, что параллельные линии значительно хуже, чем отдельные линии.)
[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 склоны ограничены, чтобы быть одинаковыми.