Класс: LinearMixedModel
Матрицы разработки фиксированных и случайных эффектов
lme - Линейная модель смешанных эффектовLinearMixedModel объектЛинейная модель смешанных эффектов, заданная как LinearMixedModel объект, созданный с использованием fitlme или fitlmematrix.
gnumbers - Группировка чисел переменныхСгруппированная переменная, заданная как целочисленный массив, где R - длина массива ячеек, содержащего сгруппированные переменные для модели линейных смешанных эффектов lme.
Например, можно задать сгруппированные переменные g1, g3 и g r следующим образом.
Пример: [1,3,r]
Типы данных: double | single
D - Матрица проектаМатрица проектирования линейной модели смешанных эффектов lme возвращено как одно из следующих:
Матрица дизайна с фиксированными эффектами - n -by - p матрица, состоящая из проекта lme с фиксированными эффектами, где n - количество наблюдений, а p - количество членов с фиксированными эффектами. Порядок терминов фиксированных эффектов в D соответствует порядку терминов в CoefficientNames свойство LinearMixedModel lme объекта.
Матрица дизайна случайных эффектов - n -by - k матрица, состоящая из матрицы дизайна случайных эффектов lme. Здесь k равно length(B), где B вектор коэффициентов случайных эффектов линейной модели смешанных эффектов lme.
Если lme имеет R сгруппированные переменные g1, g2..., g R, с уровнями <reservedrangesplaceholder9> 1, <reservedrangesplaceholder8> 2..., <reservedrangesplaceholder7> <reservedrangesplaceholder6>, соответственно, и если <reservedrangesplaceholder5> 1, <reservedrangesplaceholder4> 2..., <reservedrangesplaceholder3> <reservedrangesplaceholder2> длины векторов случайных эффектов, которые связаны с g1, g2..., g R, соответственно, тогда B вектор - столбец длины <reservedrangesplaceholder7> 1* <reservedrangesplaceholder6> 1 + <reservedrangesplaceholder5> 2* <reservedrangesplaceholder4> 2 +... + <reservedrangesplaceholder3> <reservedrangesplaceholder2> * <reservedrangesplaceholder1> <reservedrangesplaceholder0>.
B делается путем конкатенирования лучших линейных объективных предикторов векторов случайных эффектов, соответствующих каждому уровню каждой сгруппированной переменной как [g1level1; g1level2; ...; g1levelm1; g2level1; g2level2; ...; g2levelm2; ...; gRlevel1; gRlevel2; ...; gRlevelmR]'.
Типы данных: single | double
Dsub - Подматрица матрицы проекта случайных эффектовПодматрица проекта случайных эффектов матрицы соответствующие сгруппированные переменные, обозначенной целыми числами в gnumbers, возвращенный как n -by - k матрица, где k - длина вектора-столбца Bsub.
Bsub содержит конкатенированные лучшие линейные объективные предикторы (BLUP) векторов случайных эффектов, соответствующие каждому уровню сгруппированных переменных, заданным в gnumbers.
Если, например, gnumbers является [1,3,r], это соответствует сгруппированным переменным g1, g3 и g r. Затем, Bsub содержит конкатенированные BLUP векторов случайных эффектов, соответствующих каждому уровню сгруппированных переменных g1, g3 и g r, таких как
[g1level1; g1level2; ...; g1levelm1; g3level1; g3level2; ...; g3levelm3; grlevel1; grlevel2; ...; grlevelmr]'.
Таким образом, Dsub*Bsub представляет собой вклад всех случайных эффектов, соответствующих группирующим переменным g1, g3 и g r в ответ lme.
Если gnumbers пуст, тогда Dsub - полная матрица проекта случайных эффектов.
Типы данных: single | double
gnames - Имена переменных группировкиИмена сгруппированных переменных, соответствующих целым числам в gnumbers если тип проекта 'Random', возвращенный как k -by-1 массив ячеек. Если тип проекта 'Fixed', затем gnames является пустой матрицей [].
Типы данных: cell
Загрузите выборочные данные.
load('shift.mat');Данные показывают отклонения от целевой характеристики качества, измеренные по продуктам, которые 5 операторов производят в течение трех различных сдвиги, утром, вечером и ночью. Это рандомизированный проект блока, где операторы являются блоками. Эксперимент предназначен для изучения влияния времени сдвига на эффективность. Показателем эффективности является отклонение характеристик качества от целевого значения. Это моделируемые данные.
Shift и Operator являются номинальными переменными.
shift.Shift = nominal(shift.Shift); shift.Operator = nominal(shift.Operator);
Подгонка модели линейных смешанных эффектов со случайной точкой пересечения, сгруппированным оператором, чтобы оценить, значительно ли отличается эффективность в зависимости от времени сдвига.
lme = fitlme(shift,'QCDev ~ Shift + (1|Operator)');Отобразите матрицу проекта с фиксированными эффектами.
designMatrix(lme)
ans = 15×3
1 1 0
1 0 0
1 0 1
1 1 0
1 0 0
1 0 1
1 1 0
1 0 0
1 0 1
1 1 0
⋮
Столбец 1с представляет постоянный члена в модели. fitlme принимает вечерний сдвиг как ссылка группу и создает две фиктивные переменные, чтобы представлять утренние и ночные сдвиги, соответственно.
Отобразите матрицу проекта случайных эффектов.
designMatrix(lme,'random')ans = (1,1) 1 (2,1) 1 (3,1) 1 (4,2) 1 (5,2) 1 (6,2) 1 (7,3) 1 (8,3) 1 (9,3) 1 (10,4) 1 (11,4) 1 (12,4) 1 (13,5) 1 (14,5) 1 (15,5) 1
Первый номер, i, в (i|j|) индексы соответствуют номеру наблюдения, and'j| соответствуют уровню сгруппированной переменной, Operator, т.е. номер оператора.
Показать полное отображение матрицы проекта случайных эффектов.
full(designMatrix(lme,'random'))ans = 15×5
1 0 0 0 0
1 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 1 0 0
0 0 1 0 0
0 0 0 1 0
⋮
Каждый столбец соответствует уровню сгруппированной переменной, Operator.
Загрузите выборочные данные.
load('fertilizer.mat');Массив набора данных включает данные эксперимента по разделению графика, где грунт разделяется на три блока на основе типа грунта: песчаный, илистый и суглинистый. Каждый блок разделен на пять графиков, где пять различных типов помидоров (вишня, семейная реликвия, виноград, виноградная лоза и слива) случайным образом назначены на эти графики. Томатные растения на графиках затем делятся на подграфики, где каждый подграфик обрабатывается одним из четырех удобрений. Это моделируемые данные.
Сохраните данные в массиве набора данных под названием ds, в практических целях и определить Tomato, Soil, и Fertilizer как категориальные переменные.
ds = fertilizer; ds.Tomato = nominal(ds.Tomato); ds.Soil = nominal(ds.Soil); ds.Fertilizer = nominal(ds.Fertilizer);
Подбор линейной модели смешанных эффектов, где Fertilizer и Tomato являются переменными фиксированных эффектов, и среднее выражение изменяется в зависимости от блока (тип почвы), и графики внутри блоков (типы томатов в пределах типов почвы) независимо.
lme = fitlme(ds,'Yield ~ Fertilizer * Tomato + (1|Soil) + (1|Soil:Tomato)');Сохраните и исследуйте полную матрицу дизайна случайных эффектов.
D = full(designMatrix(lme,'random'));Первые три столбца матричных D содержат переменные индикатора fitlme создает для трех уровней (Loamy, Silty, Sandy, соответственно) первой сгруппированной переменной, Soil. Следующие 15 столбцов содержат переменные индикатора, созданные для второй сгруппированной переменной, Tomato вложенный в Soil. Это в основном элементарные продукты фиктивных переменных, представляющих уровни Soil (Loamy, Silty, и Sandy, соответственно) и уровни Tomato (Cherry, Grape, Heirloom, Plum, Vine, соответственно).
Загрузите выборочные данные.
load('fertilizer.mat');Массив набора данных включает данные эксперимента по разделению графика, где грунт разделяется на три блока на основе типа грунта: песчаный, илистый и суглинистый. Каждый блок разделен на пять графиков, где пять различных типов помидоров (вишня, семейная реликвия, виноград, виноградная лоза и слива) случайным образом назначены на эти графики. Томатные растения на графиках затем делятся на подграфики, где каждый подграфик обрабатывается одним из четырех удобрений. Это моделируемые данные.
Сохраните данные в массиве набора данных под названием ds, в практических целях и определить Tomato, Soil, и Fertilizer как категориальные переменные.
ds = fertilizer; ds.Tomato = nominal(ds.Tomato); ds.Soil = nominal(ds.Soil); ds.Fertilizer = nominal(ds.Fertilizer);
Подбор линейной модели смешанных эффектов, где Fertilizer и Tomato являются переменными фиксированных эффектов, и среднее выражение изменяется в зависимости от блока (тип почвы), и графики внутри блоков (типы томатов в пределах типов почвы) независимо.
lme = fitlme(ds,'Yield ~ Fertilizer * Tomato + (1|Soil) + (1|Soil:Tomato)');Вычислите расчетную матрицу случайных эффектов для второй сгруппированной переменной и отобразите первые 12 строк.
[Dsub,gname] = designMatrix(lme,'random',2);
full(Dsub(1:12,:))ans = 12×15
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
⋮
Dsub содержит фиктивные переменные, созданные для второй сгруппированной переменной, то есть томата, вложенного под почву. Это элементарные продукты фиктивных переменных, представляющих уровни Soil (Loamy, Silty, Sandy, соответственно) и уровни Tomato (Cherry, Grape, Heirloom, Plum, Vine, соответственно).
Отображение имени сгруппированной переменной.
gname
gname = 1x1 cell array
{'Soil:Tomato'}
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.