Доверительные интервалы оценок коэффициентов линейной регрессионой модели
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.
mdl
- Объект модели линейной регрессииLinearModel
| объекта CompactLinearModel
объектОбъект модели линейной регрессии, заданный как LinearModel
объект, созданный при помощи fitlm
или stepwiselm
, или CompactLinearModel
объект, созданный при помощи compact
.
alpha
- Уровень значимостиУровень 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
ci
- Доверительные интервалыДоверительные 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
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
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.
Указания и ограничения по применению:
Эта функция поддерживает объекты модели, оснащенные входными параметрами массива GPU.
Для получения дополнительной информации смотрите Запуск функций MATLAB на графическом процессоре (Parallel Computing Toolbox).
anova
| coefTest
| CompactLinearModel
| dwtest
| LinearModel
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.