Exponenta Banner

plotEffects

Постройте графики основных эффектов предикторов в линейной регрессионой модели

Свернуть все на странице

Синтаксис

plotEffects(mdl)
h = plotEffects(mdl)

Описание

пример

plotEffects(mdl) создает график эффектов предикторов в модели линейной регрессии mdl. График эффектов показывает предполагаемый основной эффект на ответ от изменения каждого значения предиктора, усреднения эффектов других предикторов. Горизонтальная линия через значение эффекта указывает 95% доверительный интервал для значения эффекта.

h = plotEffects(mdl) возвращает объекты линий. Использование h изменение свойств линий после создания графика. Список свойств см. в разделе «Свойства линии».

Примеры

свернуть все

Открыть Live Script

Загрузите carsmall набор данных и подгонка линейной регрессионной модели пробега в зависимости от года модели, веса и квадрата веса. 

load carsmall
tbl = table(MPG,Weight);
tbl.Year = categorical(Model_Year);
mdl = fitlm(tbl,'MPG ~ Year + Weight^2');

Создать график эффектов. 

plotEffects(mdl)

Figure contains an axes. The axes contains 4 objects of type line.

Длина каждой горизонтальной линии на рисунке показывает 95% доверительный интервал для эффекта на ответ изменения, показанного для каждого предиктора. Для примера, предполагаемый эффект изменения Year от 70 на 82 представляет собой увеличение приблизительно на 8 и находится между 6 и 10 с доверия.

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.

Выходные аргументы

свернуть все

Объекты линии, возвращенные как вектор. h(1) соответствует кругам, которые представляют оценки эффекта, и h(j+1) соответствует 95% доверительному интервалу для эффекта предиктора j. Используйте запись через точку для того, чтобы запросить и задать свойства объектов линии. Для получения дополнительной информации см. раздел Свойств линии».

Подробнее о

свернуть все

Основной эффект

Эффект, или основной эффект, предиктора представляет эффект одного предиктора на ответ от изменения значения предиктора с усреднением эффектов других предикторов.

Для xs переменной предиктора эффект определяется

g (x <reservedrangesplaceholder5> <reservedrangesplaceholder4>) – g (x <reservedrangesplaceholder1> <reservedrangesplaceholder0>),

где g - функция Adjusted Response. plotEffects функция выбирает i и j наблюдения следующим образом. Для категорической переменной, которая не является порядковой, <reservedrangesplaceholder11> <reservedrangesplaceholder10> <reservedrangesplaceholder9> и <reservedrangesplaceholder8> <reservedrangesplaceholder7> <reservedrangesplaceholder6>, значения предсказателя, которые создают максимальные и минимальные приспособленные ответы, соответственно, так, чтобы значение эффекта было всегда положительным. Для числовой переменной или порядковой категорической переменной, функция выбирает два значения предсказателя, которые создают минимальные и максимальные приспособленные ответы где <reservedrangesplaceholder5> <reservedrangesplaceholder4> <reservedrangesplaceholder3> <<reservedrangesplaceholder2> <reservedrangesplaceholder1> <reservedrangesplaceholder0>.

plotEffects строит графики значения эффекта и 95% доверительного интервала значения эффекта для каждой переменной предиктора.

Скорректированный ответ

Скорректированная функция отклика описывает отношение между установленным ответом и одним предиктором, при этом другие предикторы усредняются путем усреднения подобранных значений по данным, используемым в подгонке.

Регрессионная модель для переменных предиктора (x 1, x 2,..., x p) и y переменной отклика имеет вид

y я = f (x 1i, <reservedrangesplaceholder3> 2i..., <reservedrangesplaceholder2> <reservedrangesplaceholder1>) + r я,

где f - установленная регрессионная функция, а r - остаточная. i индекса представляет номер наблюдения.

Скорректированная функция отклика для первой переменной предиктора x 1, для примера, определяется как

g(x1)=1n∑i=1nf(x1,x2i,x3i,...,xpi),

где n - количество наблюдений. Скорректированное значение данных отклика является суммой скорректированного подобранного значения и невязки для каждого наблюдения.

y˜i=g(x1i)+ri.

plotAdjustedResponse строит графики скорректированной функции отклика и скорректированных значений данных отклика для выбранной переменной предиктора.

Совет

  • В Data Cursor отображаются значения выбранного графика точки в всплывающую подсказку (небольшое текстовое поле, расположенное рядом с точкой данных). Всплывающие подсказки включают x -ось и y -ось для выбранной точки. Используйте значения x -оси, чтобы просмотреть предполагаемое значение эффекта и его доверительные границы.

Альтернативная функциональность

  • A LinearModel объект обеспечивает несколько функции построения графика.

    • При создании модели используйте plotAdded чтобы понять эффект добавления или удаления переменной предиктора.

    • При проверке модели используйте plotDiagnostics найти сомнительные данные и понять эффект каждого наблюдения. Кроме того, используйте plotResiduals для анализа невязок модели.

    • После подбора кривой модели используйте plotAdjustedResponse, plotPartialDependence, и plotEffects чтобы понять эффект конкретного предиктора. Использовать plotInteraction чтобы понять эффект взаимодействия между двумя предикторами. Кроме того, используйте plotSlice чтобы построить срезы по поверхности предсказания.

Расширенные возможности

См. также

| | |

Темы

Введенный в R2012a

Statistics and Machine Learning Toolbox документация

Поддержка