Загрузите выборочные данные.

load repeatedmeas

Таблица between включает возраст переменных между субъектами, IQ, группу, пол и восемь повторных измерений y1 на y8 в качестве ответов. Таблица within включает переменные внутри субъекта w1 и w2. Это моделируемые данные.

Подбирайте модель повторных измерений, где повторные измерения y1 на y8 являются откликами, и возраст, IQ, группа, пол и взаимодействие группа-пол являются переменными предиктора. Также задайте матрицу проекта внутри субъекта.

rm = fitrm(between,'y1-y8 ~ Group*Gender + Age + IQ','WithinDesign',within);

Вычислите маргинальные средства, сгруппированные по факторам Group и Gender.

M = margmean(rm,{'Group' 'Gender'})

M=6×6 table
    Group    Gender     Mean      StdErr     Lower       Upper 
    _____    ______    _______    ______    ________    _______

      A      Female     15.946    5.6153      4.3009     27.592
      A      Male       8.0726    5.7236     -3.7973     19.943
      B      Female     11.758    5.7091    -0.08189     23.598
      B      Male       2.2858    5.6748      -9.483     14.055
      C      Female    -8.6183     5.871     -20.794     3.5574
      C      Male      -13.551    5.7283     -25.431    -1.6712

Отобразите описание таблицы M.

M.Properties.Description

ans = 
    'Estimated marginal means
     Means computed with Age=13.7, IQ=98.2667'

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, длины и ширины 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);

Вычислите маргинальные средства, сгруппированные по видам факторов.

margmean(rm,'species')

ans=3×5 table
       species         Mean      StdErr     Lower     Upper 
    ______________    ______    ________    ______    ______

    {'setosa'    }    2.5355    0.042807    2.4509    2.6201
    {'versicolor'}     3.573    0.042807    3.4884    3.6576
    {'virginica' }     4.285    0.042807    4.2004    4.3696

StdError В поле показаны стандартные ошибки предполагаемых маргинальных средств. The Lower и Upper поля показывают нижнюю и верхнюю границы для 95% доверительных интервалов маргинальных средств группы, соответственно. Ни одно из доверия не интервалов перекрываться, что указывает на то, что маргинальные средства отличаются от видов. Можно также построить график предполагаемых маргинальных средств с помощью plotprofile способ.

Вычислите 99% доверительные интервалы для маргинальных средств.

margmean(rm,'species','alpha',0.01)

ans=3×5 table
       species         Mean      StdErr     Lower     Upper 
    ______________    ______    ________    ______    ______

    {'setosa'    }    2.5355    0.042807    2.4238    2.6472
    {'versicolor'}     3.573    0.042807    3.4613    3.6847
    {'virginica' }     4.285    0.042807    4.1733    4.3967