Класс: LinearMixedModel
Невязки установленной линейной модели смешанных эффектов
возвращает невязки из линейной модели смешанных эффектов R
= residuals(lme
,Name,Value
)lme
с дополнительными опциями, заданными одним или несколькими Name,Value
аргументы в виде пар.
Например, можно задать Пирсон или стандартизированные остатки, или невязки с вкладами только от фиксированных эффектов.
lme
- Линейная модель смешанных эффектовLinearMixedModel
объектЛинейная модель смешанных эффектов, заданная как LinearMixedModel
объект, созданный с использованием fitlme
или fitlmematrix
.
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
.
'Conditional'
- Индикатор условных невязокTrue
(по умолчанию) | False
Индикатор условных невязок, заданный как разделенная разделенными запятой парами, состоящая из 'Conditional'
и одно из следующих.
True | Вклад как от фиксированных эффектов, так и от случайных эффектов (условный) |
False | Вклад только от фиксированных эффектов (маргинальный) |
Пример: 'Conditional,'False'
'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 |
---|---|---|
'Raw' |
|
|
'Pearson' |
|
|
'Standardized' |
|
|
Для получения дополнительной информации об условных и маргинальных невязках и остаточных отклонениях смотрите Definitions
в конце этой страницы.
Пример: 'ResidualType','Standardized'
R
- НевязкиНевязки установленной модели линейных смешанных эффектов lme
возвращен как вектор n -by-1, где n - количество наблюдений.
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 = nominal(tbl.Subject); tbl.Program = nominal(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)');
Вычислите установленные значения и необработанные невязки.
F = fitted(lme); R = residuals(lme);
Постройте график невязок от подобранных значений.
plot(F,R,'bx') xlabel('Fitted Values') ylabel('Residuals')
Теперь постройте график невязок от подобранных значений, сгруппированных по программе.
figure(); gscatter(F,R,Program)
Невязки, по-видимому, ведут себя аналогично на уровнях программы, как и ожидалось.
Загрузите выборочные данные.
load carbig
Сохраните переменные для миль на галлон (MPG), ускорения, лошадиной силы, цилиндров и модельного года в таблице.
tbl = table(MPG,Acceleration,Horsepower,Cylinders,Model_Year);
Подгонка линейной модели смешанных эффектов для миль на галлон (MPG) с фиксированными эффектами для ускорения, лошадиной силы и цилиндров и потенциально коррелированными случайными эффектами для точки пересечения и ускорения, сгруппированными по модельным годам.
lme = fitlme(tbl,'MPG ~ Acceleration + Horsepower + Cylinders + (Acceleration|Model_Year)');
Вычислите условные невязки Пирсона и отобразите первые пять невязок.
PR = residuals(lme,'ResidualType','Pearson'); PR(1:5)
ans = 5×1
-0.0533
0.0652
0.3655
-0.0106
-0.3340
Вычислите маргинальные невязки Пирсона и отобразите первые пять невязок.
PRM = residuals(lme,'ResidualType','Pearson','Conditional',false); PRM(1:5)
ans = 5×1
-0.1250
0.0130
0.3242
-0.0861
-0.3006
Загрузите выборочные данные.
load carbig
Сохраните переменные для миль на галлон (MPG), ускорения, лошадиной силы, цилиндров и модельного года в таблице.
tbl = table(MPG,Acceleration,Horsepower,Cylinders,Model_Year);
Подгонка линейной модели смешанных эффектов для миль на галлон (MPG) с фиксированными эффектами для ускорения, лошадиной силы и цилиндров и потенциально коррелированными случайными эффектами для точки пересечения и ускорения, сгруппированными по модельным годам.
lme = fitlme(tbl,'MPG ~ Acceleration + Horsepower + Cylinders + (Acceleration|Model_Year)');
Нарисуйте гистограмму необработанных невязок с нормальной подгонкой.
r = residuals(lme); histfit(r)
Нормальное распределение, по-видимому, хорошо подходит для невязок.
Вычислите условные остатки Пирсона и стандартизированные остатки и создайте коробчатые графики всех трех типов невязок.
pr = residuals(lme,'ResidualType','Pearson'); st = residuals(lme,'ResidualType','Standardized'); X = [r pr st]; boxplot(X)
Красные плюс знаки показывают наблюдения с невязками выше или ниже и , где и являются 25-м и 75-м процентилями соответственно.
Найдите наблюдения с невязками, которые составляют 2,5 стандартных отклонения выше и ниже среднего.
find(r > mean(r,'omitnan') + 2.5*std(r,'omitnan'))
ans = 7×1
62
252
255
330
337
341
396
find(r < mean(r,'omitnan') - 2.5*std(r,'omitnan'))
ans = 3×1
119
324
375
Условные невязки включают вклады как от фиксированных, так и от случайных эффектов, в то время как маргинальные невязки включают вклад от только фиксированных эффектов.
Предположим, что линейная модель смешанных эффектов lme
имеет n p матрицей проекта фиксированных эффектов X, и n q случайными эффектами проектируют матрицу Z. Кроме того, предположим, что p-на-1 предполагаемый вектор с фиксированными эффектами , и q -на-1 оцененный лучший линейный объективный предиктор (BLUP) вектор случайных эффектов, . Установленный условный ответ
и установленный предельный ответ
residuals
может вернуть три типа невязок: сырой, Пирсон и стандартизированный. Для любого типа можно вычислить условные или маргинальные невязки. Для примера условная необработанная невязка
и маргинальная необработанная невязка,
Для получения дополнительной информации о других типах невязок смотрите ResidualType
аргумент пары "имя-значение".
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.