plotResiduals

Класс: LinearMixedModel

Постройте графики невязок линейной модели смешанных эффектов

развернуть все на странице

Синтаксис

plotResiduals(lme,plottype)

plotResiduals(lme,plottype,Name,Value)

h = plotResiduals(___)

Описание

пример

plotResiduals(lme,plottype) строит графики необработанных условных невязок линейной модели смешанных эффектов lme на графике типа, заданного как plottype.

пример

plotResiduals(lme,plottype,Name,Value) также строит графики невязок линейной модели смешанных эффектов lme с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Для примера можно задать тип остаточного графика.

plotResiduals также принимает некоторые другие аргументы пары "имя-значение", которые задают свойства основной линии на графике. Для этих пар имя-значение смотрите plot.

h = plotResiduals(___) возвращает указатель, h, к линиям или закрашенным фигурам на графике невязок.

Входные параметры

расширить все

`lme` - Линейная модель смешанных эффектов
`LinearMixedModel` объект

Линейная модель смешанных эффектов, заданная как LinearMixedModel объект, созданный с использованием fitlme или fitlmematrix.

`plottype` - Тип остаточного графика
`'histogram'` (по умолчанию) | `'caseorder'` | `'fitted'` | `'lagged'` | `'probability'` | `'symmetry'`

Тип остаточного графика, заданный как один из следующих.

`'histogram'`	По умолчанию. Гистограмма невязок
`'caseorder'`	Порядок невязок от случая (строки)
`'fitted'`	Невязки от подобранных значений
`'lagged'`	Невязки от отстающих невязок (r (t) от r (t - 1))
`'probability'`	График нормальной вероятности
`'symmetry'`	График симметрии

Пример: plotResiduals(lme,'lagged')

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.

`'ResidualType'` - Остаточный тип
`'Raw'` (по умолчанию) | `'Pearson'` | `'Standardized'`

Остаточный тип, заданный разделенной запятыми парой, состоящей из ResidualType и одно из следующих.

Остаточный тип Условный Крайний

Остаточный тип	Условный	Крайний
`'Raw'`	$r_{i}^{C} = {[y - X \hat{β} - Z \hat{b}]}_{i}$	$r_{i}^{M} = {[y - X \hat{β}]}_{i}$
`'Pearson'`	$p r_{i}^{C} = \frac{r_{i}^{C}}{{\sqrt{[{\hat{V a r}}_{y, b} (y - X β - Z b)]}}_{i i}}$	$p r_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (y - X β)]}_{i i}}}$
`'Standardized'`	$s t_{i}^{C} = \frac{r_{i}^{C}}{\sqrt{{[{\hat{V a r}}_{y} (r^{C})]}_{i i}}}$	$s t_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (r^{M})]}_{i i}}}$

'Raw'

$r_{i}^{C} = {[y - X \hat{β} - Z \hat{b}]}_{i}$

$r_{i}^{M} = {[y - X \hat{β}]}_{i}$

'Pearson'

$p r_{i}^{C} = \frac{r_{i}^{C}}{{\sqrt{[{\hat{V a r}}_{y, b} (y - X β - Z b)]}}_{i i}}$

$p r_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (y - X β)]}_{i i}}}$

'Standardized'

$s t_{i}^{C} = \frac{r_{i}^{C}}{\sqrt{{[{\hat{V a r}}_{y} (r^{C})]}_{i i}}}$

$s t_{i}^{M} = \frac{r_{i}^{M}}{\sqrt{{[{\hat{V a r}}_{y} (r^{M})]}_{i i}}}$

Для получения дополнительной информации об условных и маргинальных невязках и остаточных отклонениях смотрите Definitions в конце этой страницы.

Пример: 'ResidualType','Standardized'

Выходные аргументы

расширить все

`h` - Ручка к остаточному графику
указатель

Указатель на остаточный график, возвращенный как указатель.

Примеры

расширить все

Исследуйте невязки

Открыть Live Script

Загрузите выборочные данные.

load('weight.mat')

weight содержит данные продольного исследования, где 20 субъектов случайным образом назначены для 4 программ упражнений, и их потеря веса регистрируется в течение шести 2-недельных периодов времени. Это моделируемые данные.

Сохраните данные в таблице. Определите Subject и Program как категориальные переменные.

tbl = table(InitialWeight,Program,Subject,Week,y);
tbl.Subject = categorical(tbl.Subject);
tbl.Program = categorical(tbl.Program);

Подгонка линейной модели смешанных эффектов, где начальный вес, тип программы, неделя и взаимодействие между неделей и типом программы являются фиксированными эффектами. Точка пересечения и неделя варьируются в зависимости от субъекта.

lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');

Постройте гистограмму необработанных невязок.

plotResiduals(lme)

Figure contains an axes. The axes with title Histogram of residuals contains an object of type patch.

Постройте график невязок от подобранных значений.

plotResiduals(lme,'fitted')

Figure contains an axes. The axes with title Plot of residuals vs. fitted values contains 2 objects of type line.

Очевидного шаблона нет, поэтому непосредственных признаков гетероскедастичности нет.

Создайте график нормальной вероятности невязок.

plotResiduals(lme,'probability')

Figure contains an axes. The axes with title Normal probability plot of residuals contains 2 objects of type line.

Данные кажутся нормальными.

Найдите номер наблюдения для данных, которые, по-видимому, являются выбросами справа от графика.

find(residuals(lme)>0.25)

ans = 101

Создайте прямоугольный график необработанных, пирсоновских и стандартизированных невязок.

r = residuals(lme);
pr = residuals(lme,'ResidualType','Pearson');
st = residuals(lme,'ResidualType','Standardized');
X = [r pr st];
boxplot(X,'labels',{'Raw','Pearson','Standardized'})

Figure contains an axes. The axes contains 21 objects of type line.

Все три коробчатых графика указывают на выбросы на правом хвосте распределения. Коробчатые графики необработанных остатков и невязок Пирсона также указывают на вторые возможные выбросы на левом хвосте. Найдите соответствующий номер наблюдения.

find(pr<-2)

ans = 10

Постройте график необработанных невязок от отстающих невязок.

plotResiduals(lme,'lagged')

Figure contains an axes. The axes with title Plot of residuals vs. lagged residuals contains 3 objects of type line.

В графике нет очевидного шаблона. Невязки, по-видимому, не коррелируют.

См. также

fitted | LinearMixedModel | residuals

Документация

plotResiduals

Синтаксис

Описание

Входные параметры

`lme` - Линейная модель смешанных эффектов
`LinearMixedModel` объект

`plottype` - Тип остаточного графика
`'histogram'` (по умолчанию) | `'caseorder'` | `'fitted'` | `'lagged'` | `'probability'` | `'symmetry'`

Аргументы в виде пар имя-значение

`'ResidualType'` - Остаточный тип
`'Raw'` (по умолчанию) | `'Pearson'` | `'Standardized'`

Выходные аргументы

`h` - Ручка к остаточному графику
указатель

Примеры

Исследуйте невязки

См. также

Statistics and Machine Learning Toolbox документация

Поддержка

Документация

plotResiduals

Синтаксис

Описание

Входные параметры

lme - Линейная модель смешанных эффектов LinearMixedModel объект

plottype - Тип остаточного графика 'histogram' (по умолчанию) | 'caseorder' | 'fitted' | 'lagged' | 'probability' | 'symmetry'

Аргументы в виде пар имя-значение

'ResidualType' - Остаточный тип 'Raw' (по умолчанию) | 'Pearson' | 'Standardized'

Выходные аргументы

h - Ручка к остаточному графику указатель

Примеры

Исследуйте невязки

См. также

Statistics and Machine Learning Toolbox документация

Поддержка

`lme` - Линейная модель смешанных эффектов
`LinearMixedModel` объект

`plottype` - Тип остаточного графика
`'histogram'` (по умолчанию) | `'caseorder'` | `'fitted'` | `'lagged'` | `'probability'` | `'symmetry'`

`'ResidualType'` - Остаточный тип
`'Raw'` (по умолчанию) | `'Pearson'` | `'Standardized'`

`h` - Ручка к остаточному графику
указатель