Exponenta Banner

epsilon

Класс: RepeatedMeasuresModel

Корректировка эпсилона для повторных измерений Анова

развернуть все на странице

Синтаксис

tbl = epsilon(rm)
tbl = epsilon(rm,C)

Описание

пример

tbl = epsilon(rm) возвращает корректирующие коэффициенты эпсилона для модели повторных измерений rm.

tbl = epsilon(rm,C) возвращает коэффициенты корректировки эпсилона для теста на основе контрастной матрицы C.

Входные параметры

расширить все

Модель повторных измерений, возвращенная как RepeatedMeasuresModel объект.

Для свойств и методов этого объекта смотрите RepeatedMeasuresModel.

Контрасты, заданные как матрица. Значение по умолчанию C - Q-коэффициент в QR-разложении матрицы M, где M задан так, что Y * M является различием между всеми последовательными парами столбцов матрицы повторных измерений Y.

Типы данных: single | double

Выходные аргументы

расширить все

Корректирующие коэффициенты Эпсилона для модели повторных измерений rm, возвращается как таблица. tbl содержит четыре различные регулировки для epsilon.

КоррекцияОпределение
UncorrectedБез регулировок, эпсилон = 1
Greenhouse-GeisserТеплица-Гейссер приближение
Huynh-FeldtГюйн-Фельдт приближение
Lower boundНижняя граница p -значение

Для получения дополнительной информации см. «Допущение составной симметрии» и «Коррекции эпсилона».

Типы данных: table

Примеры

расширить все

Открыть Live Script

Загрузите выборочные данные. 

load fisheriris

The вектора-столбца, species состоит из цветков радужки трех различных видов: сетоза, версиколор, виргиника. Матрица с двойной meas состоит из четырех видов измерений на цветках: длина и ширина чашелистиков и лепестков в сантиметрах соответственно.

Сохраните данные в массиве таблиц. 

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),...
'VariableNames',{'species','meas1','meas2','meas3','meas4'});
Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});

Подгонка модели повторных измерений, где измерения являются откликами, а вид является переменной.

rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);

Выполните повторный измерительный анализ отклонения. 

ranovatbl = ranova(rm)
ranovatbl=3×8 table
                                SumSq     DF      MeanSq       F         pValue        pValueGG       pValueHF       pValueLB  
                                ______    ___    ________    ______    ___________    ___________    ___________    ___________

    (Intercept):Measurements    1656.3      3      552.09    6873.3              0    9.4491e-279    2.9213e-283    2.5871e-125
    species:Measurements        282.47      6      47.078     586.1    1.4271e-206    4.9313e-156    1.5406e-158     9.0151e-71
    Error(Measurements)         35.423    441    0.080324

ranova вычисляет последние три p- значения с использованием Greenhouse-Geisser, Huynh-Feldt и нижних связанных коррекций, соответственно.

Отобразите значения коррекции эпсилона. 

epsilon(rm)
ans=1×4 table
    Uncorrected    GreenhouseGeisser    HuynhFeldt    LowerBound
    ___________    _________________    __________    __________

         1              0.75179          0.76409       0.33333

Можно проверить допущение составной симметрии (сферичности), используя mauchly способ.

Совет

  • The mauchly СПОСОБ ПРОВЕДЕНИЯ ТЕСТОВ НА СФЕРИЧНОСТЬ.

  • The ranova метод содержит p значений на основе каждого значения эпсилона.

Алгоритмы

ranova вычисляет регулярное p -значение (в pValue столбец rmanova таблица) с помощью F -статистической кумулятивной функции распределения :

p -value = 1 - fcdf (F, v 1, v 2).

Когда предположение составной симметрии не удовлетворено, ranova использует эпсилон корректирующего коэффициента, ε, чтобы вычислить скорректированные p значения следующим образом :

p -value _ corrected = 1 - fcdf (F, ε * v 1, ε * v 2).

The epsilon метод возвращает значения корректировки эпсилона.

См. также

| |

Темы

Statistics and Machine Learning Toolbox документация

Поддержка