Класс: LinearMixedModel
Матрицы, построенные на основе фиксированных или случайных эффектов
lme — Линейная модель смешанных эффектовLinearMixedModel объектЛинейная модель смешанных эффектов в виде LinearMixedModel объект создал использование fitlme или fitlmematrix.
gnumbers — Числа сгруппированной переменнойЧисла сгруппированной переменной в виде целочисленного массива, где R является длиной массива ячеек, который содержит сгруппированные переменные для линейной модели lme смешанных эффектов.
Например, можно задать сгруппированные переменные g1, g3, и gr можно следующим образом.
Пример: [1,3,r]
Типы данных: double | single
D — Матрица проектаМатрица проекта линейной модели lme смешанных эффектов возвращенный как одно из следующего:
Фиксированные эффекты проектируют матрицу — n-by-p матрица, состоящая из проекта фиксированных эффектов lme, где n является количеством наблюдений, и p является количеством терминов фиксированных эффектов. Порядок фиксированных эффектов называет в D совпадает с порядком терминов в CoefficientNames свойство LinearMixedModel объект lme.
Случайные эффекты проектируют матрицу — n-by-k матрица, состоя из случайных эффектов проектирует матрицу lme. Здесь, k равен length(B), где B содействующий вектор случайных эффектов из линейной модели lme смешанных эффектов.
Если lme имеет сгруппированные переменные R g1, g2..., gR, с уровнями m 1, m 2..., m R, соответственно, и если q 1, q 2..., q R является длинами векторов случайных эффектов, которые сопоставлены с g1, g2..., gR, соответственно, затем B вектор-столбец длины q 1*m1 + q 2*m2 +... + q R *mR.
B сделан путем конкатенации лучших линейных несмещенных предикторов векторов случайных эффектов, соответствующих каждому уровню каждой сгруппированной переменной как [g1level1; g1level2; ...; g1levelm1; g2level1; g2level2; ...; g2levelm2; ...; gRlevel1; gRlevel2; ...; gRlevelmR]'.
Типы данных: single | double
Dsub — Субматрица случайных эффектов проектирует матрицуСубматрица случайных эффектов проектирует матрицу, соответствующую сгруппированным переменным, обозначенным целыми числами в gnumbers, возвращенный как n-by-k матрица, где k является длиной вектор-столбца Bsub.
Bsub содержит конкатенированные лучшие линейные несмещенные предикторы (BLUPs) векторов случайных эффектов, соответствуя каждому уровню сгруппированных переменных, заданных gnumbers.
Если, например, gnumbers [1,3,r], это соответствует сгруппированным переменным g1, g3, и gr. Затем Bsub содержит конкатенированный BLUPs векторов случайных эффектов, соответствующих каждому уровню сгруппированных переменных g1, g3, и gr, такой как
[g1level1; g1level2; ...; g1levelm1; g3level1; g3level2; ...; g3levelm3; grlevel1; grlevel2; ...; grlevelmr]'.
Таким образом, Dsub*Bsub представляет вклад всего случайного соответствия эффектов сгруппированным переменным g1, g3, и gr к ответу lme.
Если gnumbers пусто, затем Dsub полная матрица проекта случайных эффектов.
Типы данных: single | double
gnames — Имена сгруппированных переменныхИмена сгруппированных переменных, соответствующих целым числам в gnumbers если типом проекта является 'Random', возвращенный как k-by-1 массив ячеек. Если типом проекта является 'Fixed', затем gnames пустой матричный [].
Типы данных: cell
Загрузите выборочные данные.
load('shift.mat');Данные показывают отклонения от целевой качественной характеристики, измеренной от продуктов, что 5 операторов производят во время трех различных сдвигов, утро, вечер и ночь. Это - рандомизированная блочная конструкция, где операторы являются блоками. Эксперимент спроектирован, чтобы изучить удар времени сдвига на эффективности. Критерием качества работы является отклонение качественных характеристик от целевого значения. Это - симулированные данные.
Shift и Operator номинальные переменные.
shift.Shift = nominal(shift.Shift); shift.Operator = nominal(shift.Operator);
Подбирайте линейную модель смешанных эффектов со случайной точкой пересечения, сгруппированной оператором, чтобы оценить, если эффективность значительно отличается согласно времени сдвига.
lme = fitlme(shift,'QCDev ~ Shift + (1|Operator)');Отобразитесь фиксированные эффекты проектируют матрицу.
designMatrix(lme)
ans = 15×3
1 1 0
1 0 0
1 0 1
1 1 0
1 0 0
1 0 1
1 1 0
1 0 0
1 0 1
1 1 0
⋮
Столбец 1 с представляет постоянный член в модели. fitlme берет вечернюю смену в качестве ссылочной группы и создает две фиктивных переменные, чтобы представлять утренние и ночные смены, соответственно.
Отобразитесь случайные эффекты проектируют матрицу.
designMatrix(lme,'random')ans = (1,1) 1 (2,1) 1 (3,1) 1 (4,2) 1 (5,2) 1 (6,2) 1 (7,3) 1 (8,3) 1 (9,3) 1 (10,4) 1 (11,4) 1 (12,4) 1 (13,5) 1 (14,5) 1 (15,5) 1
Первый номер, i, в (i, |j |) индексы соответствуют номеру наблюдения, and|j | соответствует уровню сгруппированной переменной, Operatorт.е. . номер оператора.
Покажите, что полное отображение случайных эффектов проектирует матрицу.
full(designMatrix(lme,'random'))ans = 15×5
1 0 0 0 0
1 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 1 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 1 0 0
0 0 1 0 0
0 0 0 1 0
⋮
Каждый столбец соответствует уровню сгруппированной переменной, Operator.
Загрузите выборочные данные.
load('fertilizer.mat');Массив набора данных включает данные из эксперимента графика разделения, где почва разделена на три блока на основе типа грунта: песчаный, илистый, и глинистый. Каждый блок разделен на пять графиков, где пять различных типов томатных объектов (вишня, семейная реликвия, виноград, виноградная лоза и слива) случайным образом присвоены этим графикам. Томатные объекты в графиках затем разделены на подграфики, где каждый подграфик обработан одним из четырех удобрений. Это - симулированные данные.
Храните данные в массиве набора данных под названием ds, практически, и задайте Tomato, Soil, и Fertilizer как категориальные переменные.
ds = fertilizer; ds.Tomato = nominal(ds.Tomato); ds.Soil = nominal(ds.Soil); ds.Fertilizer = nominal(ds.Fertilizer);
Подбирайте линейную модель смешанных эффектов, где Fertilizer и Tomato переменные фиксированных эффектов, и среднее выражение варьируется блоком (тип грунта) и графики в блоках (томатные типы в типах грунта) независимо.
lme = fitlme(ds,'Yield ~ Fertilizer * Tomato + (1|Soil) + (1|Soil:Tomato)');Сохраните и исследуйте полную матрицу проекта случайных эффектов.
D = full(designMatrix(lme,'random'));Первые три столбца матричного D содержите переменные fitlme индикатора создает для этих трех уровней (Loamy, Silty, Sandy, соответственно) первой сгруппированной переменной, Soil. Следующие 15 столбцов содержат переменные индикатора, созданные для второй сгруппированной переменной, Tomato вложенный под Soil. Это в основном поэлементные продукты фиктивных переменных, представляющих уровни Soil (Loamy, Silty, и Sandy, соответственно) и уровни Tomato (Cherry, Grape, Heirloom, Plum, Vine, соответственно).
Загрузите выборочные данные.
load('fertilizer.mat');Массив набора данных включает данные из эксперимента графика разделения, где почва разделена на три блока на основе типа грунта: песчаный, илистый, и глинистый. Каждый блок разделен на пять графиков, где пять различных типов томатных объектов (вишня, семейная реликвия, виноград, виноградная лоза и слива) случайным образом присвоены этим графикам. Томатные объекты в графиках затем разделены на подграфики, где каждый подграфик обработан одним из четырех удобрений. Это - симулированные данные.
Храните данные в массиве набора данных под названием ds, практически, и задайте Tomato, Soil, и Fertilizer как категориальные переменные.
ds = fertilizer; ds.Tomato = nominal(ds.Tomato); ds.Soil = nominal(ds.Soil); ds.Fertilizer = nominal(ds.Fertilizer);
Подбирайте линейную модель смешанных эффектов, где Fertilizer и Tomato переменные фиксированных эффектов, и среднее выражение варьируется блоком (тип грунта) и графики в блоках (томатные типы в типах грунта) независимо.
lme = fitlme(ds,'Yield ~ Fertilizer * Tomato + (1|Soil) + (1|Soil:Tomato)');Вычислите случайные эффекты, проектируют матрицу для второй сгруппированной переменной и отображают первые 12 строк.
[Dsub,gname] = designMatrix(lme,'random',2);
full(Dsub(1:12,:))ans = 12×15
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
⋮
Dsub содержит фиктивные переменные, созданные для второй сгруппированной переменной, то есть, помидор, вложенный под почвой. Это поэлементные продукты фиктивных переменных, представляющих уровни Soil (Loamy, Silty, Sandy, соответственно) и уровни Tomato (Cherry, Grape, Heirloom, Plum, Vine, соответственно).
Отобразите имя сгруппированной переменной.
gname
gname = 1x1 cell array
{'Soil:Tomato'}
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
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.