coefCI

Доверительные интервалы оценок коэффициентов линейной регрессионой модели

Описание

пример

ci = coefCI(mdl) возвращает 95% доверительные интервалы для коэффициентов в mdl.

пример

ci = coefCI(mdl,alpha) Возвраты интервалы доверия с помощью доверия уровня 1 – alpha.

Примеры

свернуть все

Подгонка линейной регрессионной модели и получение 95% доверительных интервалов по умолчанию для полученных коэффициентов модели.

Загрузите carbig Данные установите и создайте таблицу, в которой Origin предиктор категориален.

load carbig
Origin = categorical(cellstr(Origin));
tbl = table(Horsepower,Weight,MPG,Origin);

Подбор линейной регрессионой модели. Задайте Horsepower, Weight, и Origin как переменные предиктора и задайте MPG как переменная отклика.

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin';
mdl = fitlm(tbl,modelspec);

Просмотрите имена коэффициентов.

mdl.CoefficientNames
ans = 1x9 cell
  Columns 1 through 4

    {'(Intercept)'}    {'Horsepower'}    {'Weight'}    {'Origin_France'}

  Columns 5 through 7

    {'Origin_Germany'}    {'Origin_Italy'}    {'Origin_Japan'}

  Columns 8 through 9

    {'Origin_Sweden'}    {'Origin_USA'}

Найдите доверительные интервалы для коэффициентов модели.

ci = coefCI(mdl)
ci = 9×2

   43.3611   59.9390
   -0.0748   -0.0315
   -0.0059   -0.0037
  -17.3623   -0.3477
  -15.7503    0.7434
  -17.2091    0.0613
  -14.5106    1.8738
  -18.5820   -1.5036
  -17.3114   -0.9642

Подгонка линейной регрессионной модели и получение доверительных интервалов для полученных коэффициентов модели с использованием заданного доверительного уровня.

Загрузите carbig Данные установите и создайте таблицу, в которой Origin предиктор категориален.

load carbig
Origin = categorical(cellstr(Origin));
tbl = table(Horsepower,Weight,MPG,Origin);

Подбор линейной регрессионой модели. Задайте Horsepower, Weight, и Origin как переменные предиктора и задайте MPG как переменная отклика.

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin';
mdl = fitlm(tbl,modelspec);

Найдите 99% доверительные интервалы для коэффициентов.

ci = coefCI(mdl,.01)
ci = 9×2

   40.7365   62.5635
   -0.0816   -0.0246
   -0.0062   -0.0034
  -20.0560    2.3459
  -18.3615    3.3546
  -19.9433    2.7955
  -17.1045    4.4676
  -21.2858    1.2002
  -19.8995    1.6238

Доверительные интервалы шире, чем 95% доверительные интервалы по умолчанию в Поиске Доверительных интервалов для коэффициентов Модели.

Входные параметры

свернуть все

Объект модели линейной регрессии, заданный как LinearModel объект, созданный при помощи fitlm или stepwiselm, или CompactLinearModel объект, созданный при помощи compact.

Уровень значимости для интервала доверия, заданный как числовое значение в область значений [0,1]. Уровень доверия ci равно 100 ( 1 - alpha)%. alpha - вероятность того, что доверительный интервал не содержит истинного значения.

Пример: 0.01

Типы данных: single | double

Выходные аргументы

свернуть все

Доверительные интервалы, возвращенные как k -на-2 числовая матрица, где k - количество коэффициентов. j строка ci - доверительный интервал j-го коэффициента mdl. Имя j коэффициентов сохранено в CoefficientNames свойство mdl.

Типы данных: single | double

Подробнее о

свернуть все

Доверительный интервал

Доверительные интервалы коэффициента обеспечивают меру точности для оценок коэффициента регрессии.

100 ( 1 - α)% доверительный интервал дает область значений, в котором соответствующий коэффициент регрессии будет со 100 (1 - α)% доверительным, что означает, что 100 ( 1 - α)% интервалов, полученных в результате повторных экспериментов, будут содержать истинное значение коэффициента.

Программа находит доверительные интервалы с помощью метода Уолда. 100 * (1 - α)% доверительных интервалов для коэффициентов регрессии

bi±t(1α/2,np)SE(bi),

где b i - оценка коэффициента, SE (b i) - стандартная ошибка оценки коэффициента, а t (1-α/2, n - p) -  100 (1 - α/2) процентиль t - распределение  с n - p степенями свободы. n - количество наблюдений, а p - количество коэффициентов регрессии.

Расширенные возможности

Введенный в R2012a
Для просмотра документации необходимо авторизоваться на сайте