fitrm

Подбор модели повторных измерений

Описание

пример

rm = fitrm(t,modelspec) возвращает модель повторных измерений, заданную как modelspec, подобранный к переменным в таблице или массиве набора данных t.

пример

rm = fitrm(t,modelspec,Name,Value) возвращает модель повторных измерений с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар.

Для примера можно задать гипотезу для факторов внутри субъекта.

Примеры

свернуть все

Загрузите выборочные данные.

load fisheriris

Область вектора-столбца species состоит из цветков радужки трех различных видов: сетоза, версиколор и виргиника. Матрица с двойной meas состоит из четырех видов измерений на цветках: длина и ширина чашелистиков и лепестков в сантиметрах соответственно.

Сохраните данные в массиве таблиц.

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),...
'VariableNames',{'species','meas1','meas2','meas3','meas4'});
Meas = table([1 2 3 4]','VariableNames',{'Measurements'});

Подгонка модели повторных измерений, где измерения являются откликами, а вид является переменной.

rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas)
rm = 
  RepeatedMeasuresModel with properties:

   Between Subjects:
         BetweenDesign: [150x5 table]
         ResponseNames: {'meas1'  'meas2'  'meas3'  'meas4'}
    BetweenFactorNames: {'species'}
          BetweenModel: '1 + species'

   Within Subjects:
          WithinDesign: [4x1 table]
     WithinFactorNames: {'Measurements'}
           WithinModel: 'separatemeans'

   Estimates:
          Coefficients: [3x4 table]
            Covariance: [4x4 table]

Отобразите коэффициенты.

rm.Coefficients
ans=3×4 table
                           meas1       meas2      meas3      meas4  
                          ________    ________    ______    ________

    (Intercept)             5.8433      3.0573     3.758      1.1993
    species_setosa        -0.83733     0.37067    -2.296    -0.95333
    species_versicolor    0.092667    -0.28733     0.502     0.12667

fitrm использует 'effects' контрастирует, что коэффициенты суммируются с 0. The rm.DesignMatrix имеет один столбец 1с для точки пересечения и два других столбцов species_setosa и species_versicolor, которые являются следующими:

species_setosa={1ifsetosa0ifversicolor-1ifvirginicaandspecies_versicolor={0ifsetosa1ifversicolor-1ifvirginica

Отобразите ковариационную матрицу.

rm.Covariance
ans=4×4 table
              meas1       meas2       meas3       meas4  
             ________    ________    ________    ________

    meas1     0.26501    0.092721     0.16751    0.038401
    meas2    0.092721     0.11539    0.055244     0.03271
    meas3     0.16751    0.055244     0.18519    0.042665
    meas4    0.038401     0.03271    0.042665    0.041882

Загрузите выборочные данные.

load('longitudinalData.mat');

Матрица Y содержит данные отклика для 16 индивидуумов. Реакция является уровнем в крови препарата, измеренным в пяти временных точках (время = 0, 2, 4, 6 и 8). Каждая строка Y соответствует индивидууму, и каждый столбец соответствует временной точке. Первые восемь субъектов - женщины, а вторые восемь - мужчины. Это моделируемые данные.

Задайте переменную, которая хранит гендерную информацию.

Gender = ['F' 'F' 'F' 'F' 'F' 'F' 'F' 'F' 'M' 'M' 'M' 'M' 'M' 'M' 'M' 'M']';

Сохраните данные в соответствующем формате массива таблиц для проведения повторных измерений анализа.

t = table(Gender,Y(:,1),Y(:,2),Y(:,3),Y(:,4),Y(:,5),...
'VariableNames',{'Gender','t0','t2','t4','t6','t8'});

Задайте переменную внутри субъектов.

Time = [0 2 4 6 8]';

Подгонка модели повторных измерений, где уровни в крови являются реакциями, а пол является переменной предиктора. Также задайте гипотезу для внутри-субъектных факторов.

rm = fitrm(t,'t0-t8 ~ Gender','WithinDesign',Time,'WithinModel','orthogonalcontrasts')
rm = 
  RepeatedMeasuresModel with properties:

   Between Subjects:
         BetweenDesign: [16x6 table]
         ResponseNames: {'t0'  't2'  't4'  't6'  't8'}
    BetweenFactorNames: {'Gender'}
          BetweenModel: '1 + Gender'

   Within Subjects:
          WithinDesign: [5x1 table]
     WithinFactorNames: {'Time'}
           WithinModel: 'orthogonalcontrasts'

   Estimates:
          Coefficients: [2x5 table]
            Covariance: [5x5 table]

Загрузите выборочные данные.

load repeatedmeas

Таблица between включает восемь повторных измерений, y1 через y8, как отклики и множители между субъектами Group, Gender, IQ, и Age. IQ и Age как непрерывные переменные. Таблица within включает внутри субъекта факторы w1 и w2.

Подгонка модели повторных измерений, где возраст, IQ, группа и пол являются переменными, и модель включает эффект взаимодействия группы и пола. Также задайте коэффициенты внутри субъекта.

rm = fitrm(between,'y1-y8 ~ Group*Gender+Age+IQ','WithinDesign',within)
rm = 
  RepeatedMeasuresModel with properties:

   Between Subjects:
         BetweenDesign: [30x12 table]
         ResponseNames: {'y1'  'y2'  'y3'  'y4'  'y5'  'y6'  'y7'  'y8'}
    BetweenFactorNames: {'Age'  'IQ'  'Group'  'Gender'}
          BetweenModel: '1 + Age + IQ + Group*Gender'

   Within Subjects:
          WithinDesign: [8x2 table]
     WithinFactorNames: {'w1'  'w2'}
           WithinModel: 'separatemeans'

   Estimates:
          Coefficients: [8x8 table]
            Covariance: [8x8 table]

Отобразите коэффициенты.

rm.Coefficients
ans=8×8 table
                                y1         y2         y3         y4          y5           y6         y7          y8   
                             ________    _______    _______    _______    _________    ________    _______    ________

    (Intercept)                141.38     195.25     9.8663    -49.154       157.77     0.23762    -42.462      76.111
    Age                       0.32042    -4.7672    -1.2748     0.6216      -1.0621     0.89927     1.2569    -0.38328
    IQ                        -1.2671    -1.1653    0.05862     0.4288      -1.4518    -0.25501    0.22867    -0.72548
    Group_A                   -1.2195    -9.6186     22.532     15.303       12.602      12.886     10.911      11.487
    Group_B                    2.5186      1.417    -2.2501    0.50181       8.0907      3.1957     11.591      9.9188
    Gender_Female              5.3957    -3.9719     8.5225     9.3403       6.0909       1.642    -2.1212      4.8063
    Group_A:Gender_Female      4.1046     10.064    -7.3053    -3.3085       4.6751      2.4907     -4.325     -4.6057
    Group_B:Gender_Female    -0.48486    -2.9202     1.1222    0.69715    -0.065945    0.079468     3.1832      6.5733

На отображении показаны коэффициенты для подбора кривой повторных измерений как функции от членов в модели между субъектами.

Входные параметры

свернуть все

Входные данные, который включает значения переменных отклика и коэффициентов между субъектами для использования в качестве предикторов в модели повторных измерений, заданных как таблица.

Имена переменных в t должен быть действительным MATLAB® идентификаторы. Вы можете проверить имена переменных, используя isvarname функция. Если имена переменных недопустимы, можно преобразовать их, используя matlab.lang.makeValidName функция.

Типы данных: table

Формула для спецификации модели, заданная как вектор символов или строковый скаляр вида 'y1-yk ~ terms'. Ответы и условия заданы с помощью обозначения Уилкинсона. fitrm обрабатывает переменные, используемые в терминах модели, как категориальные, если они категориальные (номинальные или порядковые), логические, символьные массивы, строковые массивы или массивы ячеек векторов символов.

Для примера, если у вас есть четыре повторных измерений в качестве откликов и факторов x1, x2, и x3 в качестве переменных можно задать модель повторных измерений следующим образом.

Пример: 'y1-y4 ~ x1 + x2 * x3'

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Пример: 'WithinDesign','W','WithinModel','w1+w2' задает матрицу w как матрица проекта для внутри субъектных факторов и модель для внутри субъектных факторов w1 и w2 является 'w1+w2'.

Проект для внутри субъектных факторов, заданный как разделенная разделенными запятой парами, состоящая из 'WithinDesign' и одно из следующих:

  • Числовой вектор длины r, где r - количество повторных измерений.

    В этом случае fitrm обрабатывает значения в векторе как непрерывные, и это обычно временные значения.

  • r -by - k числовая матрица значений k коэффициентов внутри субъекта, w 1, w 2,..., wk.

    В этом случае fitrm рассматривает все переменные k как непрерывные.

  • r -by - k таблица, которая содержит значения k внутри субъектных факторов.

    В этом случае fitrm рассматривает все числовые переменные как непрерывные, а все категориальные - как категориальные.

Для примера, если таблица weeks содержит значения коэффициентов внутри субъекта, затем можно задать таблицу проекта следующим образом.

Пример: 'WithinDesign',weeks

Типы данных: single | double | table

Модель, задающая тест гипотезы внутри субъекта, заданная как разделенная разделенными запятой парами, состоящая из 'WithinModel' и одно из следующих:

  • 'separatemeans' - Вычислите отдельное среднее для каждой группы.

  • 'orthogonalcontrasts' - Это действительно только, когда модель внутри субъекта имеет одну числовую T. Отклики - это среднее значение, наклон центрированных T и, в целом, все ортогональные контрасты для полинома до T ^ (p - 1), где p - число, если строки в модели внутри субъекта .

  • Вектор символов или строковый скаляр, который задает спецификацию модели в факторах внутри субъекта. Можно задать модель на основе правил для terms в modelspec.

Для примера, если существует три внутренних фактора w1, w2, и w3, затем можно задать модель для факторов внутри субъекта следующим образом.

Пример: 'WithinModel','w1+w2+w2*w3'

Типы данных: char | string

Выходные аргументы

свернуть все

Модель повторных измерений, возвращенная как RepeatedMeasuresModel объект.

Для свойств и методов этого объекта смотрите RepeatedMeasuresModel.

Подробнее о

свернуть все

Моделируйте спецификацию с использованием обозначения Уилкинсона

Уилкинсон обозначения описывает факторы, присутствующие в моделях. Он не описывает умножители (коэффициенты) этих факторов.

Следующие правила определяют ответы в modelspec.

Уилкинсон ОбозначениеЗначение
Y1,Y2,Y3Определенный список переменных
Y1-Y5Все табличные переменные из Y1 через Y5

Следующие правила определяют условия в modelspec.

Уилкинсон обозначениеФакторы в стандартном обозначении
1Константа ( точку пересечения) термин
X^k, где k является положительным целым числомX, X2,..., Xk
X1 + X2X1, X2
X1*X2X1, X2, X1*X2
X1:X2X1*X2 только
-X2Не включать X2
X1*X2 + X3X1, X2, X3, X1*X2
X1 + X2 + X3 + X1:X2X1, X2, X3, X1*X2
X1*X2*X3 - X1:X2:X3X1, X2, X3, X1*X2, X1*X3, X2*X3
X1*(X2 + X3)X1, X2, X3, X1*X2, X1*X3

Statistics and Machine Learning Toolbox™ notation всегда включает в себя постоянный термин, если вы явным образом не удаляете термин с помощью -1.

См. также

Введенный в R2014a
Для просмотра документации необходимо авторизоваться на сайте