fitrmGydF4y2Ba

适合重复测量模型GydF4y2Ba

折叠所有页面GydF4y2Ba

句法GydF4y2Ba

rm = fitrm (t, modelspec)GydF4y2Ba
rm = fitrm (t, modelspec、名称、值)GydF4y2Ba

描述GydF4y2Ba

例GydF4y2Ba

rmGydF4y2Ba= fitrm (GydF4y2BaŤGydF4y2Ba，GydF4y2BamodelspecGydF4y2Ba）GydF4y2Ba返回重复测量模型，通过指定GydF4y2BamodelspecGydF4y2Ba，适合表或数据集数组中的变量GydF4y2BaŤGydF4y2Ba。GydF4y2Ba

例GydF4y2Ba

rmGydF4y2Ba= fitrm (GydF4y2BaŤGydF4y2Ba，GydF4y2BamodelspecGydF4y2Ba，GydF4y2Ba名称，值GydF4y2Ba）GydF4y2Ba返回重复测量模型，带有附加选项由一个或多个指定GydF4y2Ba名称，值GydF4y2Ba对参数。GydF4y2Ba

例如，您可以指定主题内因素的假设。GydF4y2Ba

例子GydF4y2Ba

全部收缩GydF4y2Ba

打开生活的脚本GydF4y2Ba

加载示例数据。GydF4y2Ba

加载GydF4y2BafisheririsGydF4y2Ba

列向量GydF4y2Ba种类GydF4y2Ba由三个不同品种的花菖蒲：setosa，花斑癣和弗吉尼亚。双矩阵GydF4y2BaMEASGydF4y2Ba由花的四种测量值组成:萼片的长度和花瓣的宽度，分别以厘米为单位。GydF4y2Ba

将数据存储在表数组中。GydF4y2Ba

T =表（物种，MEAS（：，1），MEAS（：，2），MEAS（：，3），MEAS（：，4），GydF4y2Ba…GydF4y2Ba“VariableNames”GydF4y2Ba,{GydF4y2Ba'种类'GydF4y2Ba，GydF4y2Ba'MEAS1'GydF4y2Ba，GydF4y2Ba'MEAS2'GydF4y2Ba，GydF4y2Ba'meas3'GydF4y2Ba，GydF4y2Ba'meas4'GydF4y2Ba});表([1 2 3 4]'，GydF4y2Ba“VariableNames”GydF4y2Ba,{GydF4y2Ba“测量”GydF4y2Ba});GydF4y2Ba

适合重复测量模型，其中测量的响应和种类是预测变量。GydF4y2Ba

RM = fitrm（T，GydF4y2Ba“MEAS1-meas4〜物种GydF4y2Ba，GydF4y2Ba'WithinDesign'GydF4y2Ba量)GydF4y2Ba
RM = RepeatedMeasuresModel与属性：BetweenDesign：[150x5表] ResponseNames：主体间{ 'MEAS1' 'MEAS2' 'meas3' 'meas4'} BetweenFactorNames：{ '物种'} BetweenModel：'1个+物种在主题：WithinDesign：[4X1表] WithinFactorNames：{ '测量'} WithinModel： 'separatemeans' 的估算值：系数：3×4表]协方差：[4×4表]GydF4y2Ba

显示系数。GydF4y2Ba

rm.CoefficientsGydF4y2Ba
ans =GydF4y2Ba3×4表GydF4y2BaMEAS1 MEAS2 meas3 meas4 ________ ______ ________（截距）5.8433 3.0573 3.758 1.1993 species_setosa -0.83733 0.37067 -2.296 -0.95333 species_versicolor 0.092667 -0.28733 0.502 0.12667GydF4y2Ba

fitrmGydF4y2Ba使用GydF4y2Ba“效果”GydF4y2Ba对比这意味着系数总和为0。GydF4y2Barm.DesignMatrixGydF4y2Ba具有用于截距中1的一列，和其他两列GydF4y2Baspecies_setosaGydF4y2Ba和GydF4y2Baspecies_versicolorGydF4y2Ba，具体如下:GydF4y2Ba

小号GydF4y2Ba pGydF4y2Ba ËGydF4y2Ba CGydF4y2Ba 一世GydF4y2Ba ËGydF4y2Ba 小号GydF4y2Ba _GydF4y2Ba 小号GydF4y2Ba ËGydF4y2Ba ŤGydF4y2Ba ØGydF4y2Ba 小号GydF4y2Ba 一个GydF4y2Ba =GydF4y2Ba {GydF4y2Ba 1GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba 小号GydF4y2Ba ËGydF4y2Ba ŤGydF4y2Ba ØGydF4y2Ba 小号GydF4y2Ba 一个GydF4y2Ba 0GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba ËGydF4y2Ba [RGydF4y2Ba 小号GydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba ØGydF4y2Ba 升GydF4y2Ba ØGydF4y2Ba [RGydF4y2Ba -GydF4y2Ba 1GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba 一世GydF4y2Ba [RGydF4y2Ba GGydF4y2Ba 一世GydF4y2Ba ñGydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba 一个GydF4y2Ba 一个GydF4y2Ba ñGydF4y2Ba dGydF4y2Ba 小号GydF4y2Ba pGydF4y2Ba ËGydF4y2Ba CGydF4y2Ba 一世GydF4y2Ba ËGydF4y2Ba 小号GydF4y2Ba _GydF4y2Ba vGydF4y2Ba ËGydF4y2Ba [RGydF4y2Ba 小号GydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba ØGydF4y2Ba 升GydF4y2Ba ØGydF4y2Ba [RGydF4y2Ba =GydF4y2Ba {GydF4y2Ba 0GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba 小号GydF4y2Ba ËGydF4y2Ba ŤGydF4y2Ba ØGydF4y2Ba 小号GydF4y2Ba 一个GydF4y2Ba 1GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba ËGydF4y2Ba [RGydF4y2Ba 小号GydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba ØGydF4y2Ba 升GydF4y2Ba ØGydF4y2Ba [RGydF4y2Ba -GydF4y2Ba 1GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba 一世GydF4y2Ba [RGydF4y2Ba GGydF4y2Ba 一世GydF4y2Ba ñGydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba 一个GydF4y2Ba

显示的协方差矩阵。GydF4y2Ba

rm.CovarianceGydF4y2Ba
ans =GydF4y2Ba4×4表GydF4y2Bameas1 meas2 meas3 meas4说说meas1 meas2 0.038401 0.26501 0.092721 0.16751 0.092721 0.11539 0.055244 0.03271 meas3 meas4 0.038401 0.03271 0.042665 0.042665 0.16751 0.055244 0.18519 0.041882GydF4y2Ba
打开生活的脚本GydF4y2Ba

加载示例数据。GydF4y2Ba

负载(GydF4y2Ba“longitudinalData.mat”GydF4y2Ba）;GydF4y2Ba

矩阵GydF4y2BaÿGydF4y2Ba包含16个个人响应数据。响应是在五个时间点（时间= 0，2，4，6和8）测得的药物的血药水平。每行GydF4y2BaÿGydF4y2Ba对应于一个个体，并且每一列对应于一个时间点。第8名受试者是女性，而第二批8个科目均为男性。这是模拟数据。GydF4y2Ba

定义一个变量存储性别信息。GydF4y2Ba

性别= [GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba“F”GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba'M'GydF4y2Ba]“;GydF4y2Ba

将数据以适当的表数组格式存储，进行重复测量分析。GydF4y2Ba

T =表（性别，Y（：，1），Y（：，2），Y（：，3），Y（：，4），Y（：，5），GydF4y2Ba…GydF4y2Ba“VariableNames”GydF4y2Ba,{GydF4y2Ba“性别”GydF4y2Ba，GydF4y2Ba'T0'GydF4y2Ba，GydF4y2Ba'T2'GydF4y2Ba，GydF4y2Ba'T4'GydF4y2Ba，GydF4y2Ba'T6'GydF4y2Ba，GydF4y2Ba'T8'GydF4y2Ba});GydF4y2Ba

定义被试内变量。GydF4y2Ba

时间= [0 2 4 6 8]';GydF4y2Ba

适合重复测量模型，其中血液水平的响应和性别是预测变量。还定义了受试者内因素的假设。GydF4y2Ba

RM = fitrm（T，GydF4y2Ba“t0-t8 ~性别”GydF4y2Ba，GydF4y2Ba'WithinDesign'GydF4y2Ba、时间、GydF4y2Ba“WithinModel”GydF4y2Ba，GydF4y2Ba“orthogonalcontrasts”GydF4y2Ba）GydF4y2Ba
参数:Between Subjects: Between design: [16x6 table] ResponseNames: {'t0' 't2' t4' ' 't6' 't8'} Between factor names: {'Gender'} Between model: '1 + Gender' Within Subjects: Within design: [5x1 table] Within thinfactornames: {'Time'} Within thinmodel: 'orthogonalcontrast '估计:系数:[2x5 table] Covariance: [5x5 table]GydF4y2Ba
打开生活的脚本GydF4y2Ba

加载示例数据。GydF4y2Ba

加载GydF4y2BarepeatedmeasGydF4y2Ba

桌子GydF4y2Ba之间的GydF4y2Ba包括八次重复测量，GydF4y2Ba日元GydF4y2Ba通过GydF4y2Ba日元GydF4y2Ba作为响应和对象之间因素GydF4y2Ba集团GydF4y2Ba，GydF4y2Ba性别GydF4y2Ba，GydF4y2Ba智商GydF4y2Ba,GydF4y2Ba年龄GydF4y2Ba。GydF4y2Ba智商GydF4y2Ba和GydF4y2Ba年龄GydF4y2Ba作为连续变量。桌子GydF4y2Ba内GydF4y2Ba包括学科内因素GydF4y2Baw1GydF4y2Ba和GydF4y2Baw2GydF4y2Ba。GydF4y2Ba

适合重复测量模型，其中年龄，智商，组和性别是预测变量和模型包括组和性别的互动效应。还定义了受试者内因素。GydF4y2Ba

RM = fitrm（之间，GydF4y2Ba“y1-y8 ~组*性别+年龄+智商的GydF4y2Ba，GydF4y2Ba'WithinDesign'GydF4y2Ba，内）GydF4y2Ba
RM = RepeatedMeasuresModel与属性：BetweenDesign：[30x12表] ResponseNames：主体间{ 'Y1' 'Y2' 'Y3' 'Y4' 'Y5' 'Y6' 'Y7' 'Y8'} BetweenFactorNames：{ '年龄''智商' 'Group' 'Gender'} BetweenModel: '1 + Age + IQ + Group*Gender' Within Subjects: WithinDesign: [8x2 table] WithinFactorNames: {'w1' 'w2'} WithinModel: 'separatemeans' Estimates: Coefficients: [8x8 table] Covariance: [8x8 table]

显示系数。GydF4y2Ba

rm.CoefficientsGydF4y2Ba
ans =GydF4y2Ba8×8表GydF4y2BaY1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 ________ ________ _______ _________ ________ ________ _______（拦截）141.38 195.25 9.8663 -49.154 157.77 0.23762 -42.462 76.111年龄0.32042 -4.7672 -1.2748 0.6216 -1.0621 0.89927 1.2569 -0.38328智商-1.2671 -1.1653 0.05862 0.4288  -1。4518 -0.25501 0.22867 -0.72548 Group_A -1.2195 -9.6186 22.532 15.303 12.602 12.886 10.911 11.487 Group_B 2.5186 1.417 -2.2501 0.50181 8.0907 3.1957 11.591 9.9188 Gender_Female 5.3957 -3.9719 8.5225 9.3403 6.0909 1.642 -2.1212 4.8063 Group_A:Gender_Female 4.1046 10.064 -7.3053 -3.3085 4.6751 2.4907 -4.325 -4.6057 Group_B:Gender_Female -0.48486 -2.9202 1.1222 0.69715 -0.065945 0.079468 3.1832 6.5733

显示器显示了用于拟合重复测量的系数，并将其作为受试者间模型中的项的函数。GydF4y2Ba

输入参数GydF4y2Ba

全部收缩GydF4y2Ba

输入数据，它包括响应变量和主体之间，因子的值作为重复测量模型预测，指定为表来使用。GydF4y2Ba

中的变量名GydF4y2BaŤGydF4y2Ba必须是有效的MATLABGydF4y2Ba®GydF4y2Ba标识符。方法验证变量名GydF4y2BaisvarnameGydF4y2Ba功能。下面的代码返回的逻辑GydF4y2Ba1GydF4y2Ba（GydF4y2Ba真正的GydF4y2Ba)为每个具有有效变量名的变量。GydF4y2Ba

cellfun (@isvarname t.Properties.VariableNames)GydF4y2Ba
如果变量名中GydF4y2BaŤGydF4y2Ba是无效的，然后使用它们转换GydF4y2Bamatlab.lang.makeValidNameGydF4y2Ba功能。GydF4y2Ba
t.Properties.VariableNames = matlab.lang.makeValidName（t.Properties.VariableNames）;GydF4y2Ba

数据类型:GydF4y2Ba表GydF4y2Ba

模型规范的公式，指定为窗体的字符向量或字符串标量GydF4y2Ba“y1-yk ~条款”GydF4y2Ba。响应和术语被指定使用GydF4y2Ba威尔金森符号GydF4y2Ba。GydF4y2BafitrmGydF4y2Ba将模型术语中使用的变量视为分类变量，如果它们是分类变量(名义变量或序数变量)、逻辑变量、字符数组、字符串数组或字符向量的单元数组。GydF4y2Ba

例如，如果你有四个重复的措施作为回应和因素GydF4y2Bax1GydF4y2Ba，GydF4y2Bax2GydF4y2Ba,GydF4y2Bax3GydF4y2Ba作为预测变量，那么您可以定义如下重复度量模型。GydF4y2Ba

例：GydF4y2Ba'Y1-Y4〜X1 + X2 * X3'GydF4y2Ba

名称 - 值对参数GydF4y2Ba

指定可选的用逗号分隔的对GydF4y2Ba名称，值GydF4y2Ba参数。GydF4y2Ba的名字GydF4y2Ba是参数的名称和GydF4y2Ba价值GydF4y2Ba为对应值。GydF4y2Ba的名字GydF4y2Ba必须出现引号内。您可以按照任何顺序指定多个名称和值对参数GydF4y2Ba名1，值1，...，NameN，值NGydF4y2Ba。GydF4y2Ba

例：GydF4y2Ba‘WithinDesign’,‘W’,‘WithinModel’,‘w1 + w2’GydF4y2Ba指定矩阵GydF4y2Baw ^GydF4y2Ba作为主体内因素的设计矩阵，以及主体内因素的模型GydF4y2Baw1GydF4y2Ba和GydF4y2Baw2GydF4y2Ba是GydF4y2Ba'W1 + W2'GydF4y2Ba。GydF4y2Ba

设计受试者内因素，指定为逗号分隔的一对组成的GydF4y2Ba'WithinDesign'GydF4y2Ba和以下情况之一：GydF4y2Ba

  • 长度数值向量GydF4y2Ba[RGydF4y2Ba,在那里GydF4y2Ba[RGydF4y2Ba为重复测量的次数。GydF4y2Ba

    在这种情况下,GydF4y2BafitrmGydF4y2Ba将向量中的值视为连续的，这些是典型的时间值。GydF4y2Ba

  • [RGydF4y2Ba-通过-GydF4y2BaķGydF4y2Ba的值的数字矩阵GydF4y2BaķGydF4y2Ba受试者内因素的影响，GydF4y2Baw ^GydF4y2Ba1GydF4y2Ba，GydF4y2Baw ^GydF4y2Ba2GydF4y2Ba、……GydF4y2Baw ^GydF4y2BaķGydF4y2Ba。GydF4y2Ba

    在这种情况下,GydF4y2BafitrmGydF4y2Ba将所有GydF4y2BaķGydF4y2Ba变量是连续的。GydF4y2Ba

  • [RGydF4y2Ba-通过-GydF4y2BaķGydF4y2Ba属性的值GydF4y2BaķGydF4y2Ba受试者内因素。GydF4y2Ba

    在这种情况下,GydF4y2BafitrmGydF4y2Ba将所有数值变量视为连续变量，将所有分类变量视为分类变量。GydF4y2Ba

例如，如果表GydF4y2Ba周GydF4y2Ba包含受试者内因子的值，那么你可以如下定义设计表。GydF4y2Ba

例：GydF4y2Ba“WithinDesign”,周GydF4y2Ba

数据类型:GydF4y2Ba单GydF4y2Ba|GydF4y2Ba双GydF4y2Ba|GydF4y2Ba表GydF4y2Ba

模型指定主体内假设检验，指定为逗号分隔的对组成GydF4y2Ba“WithinModel”GydF4y2Ba和以下情况之一：GydF4y2Ba

  • 'separatemeans'GydF4y2Ba-计算每组的单独平均值。GydF4y2Ba

  • “orthogonalcontrasts”GydF4y2Ba- 这是有效的，只有当个体内模型有一个数字的因素GydF4y2BaŤGydF4y2Ba。响应是平均值，为中心的斜率GydF4y2BaŤGydF4y2Ba，并且，一般来说，一个多项式的所有正交对比直到GydF4y2BaŤGydF4y2Ba^（GydF4y2BapGydF4y2Ba- 1),GydF4y2BapGydF4y2Ba如果是在个体内模型中的行数。GydF4y2Ba

  • 在主题内因子中定义模型规范的字符向量或字符串标量。对象的规则为其定义模型GydF4y2Ba条款GydF4y2Ba在GydF4y2BamodelspecGydF4y2Ba。GydF4y2Ba

例如，如果有三个主体内因素GydF4y2Baw1GydF4y2Ba，GydF4y2Baw2GydF4y2Ba,GydF4y2Baw3GydF4y2Ba，然后可以为主题内因素指定如下模型。GydF4y2Ba

例：GydF4y2Ba“WithinModel”、“w1 + w2 + w2 * w3’GydF4y2Ba

数据类型:GydF4y2Ba烧焦GydF4y2Ba|GydF4y2Ba字符串GydF4y2Ba

输出参数GydF4y2Ba

全部收缩GydF4y2Ba

重复测量模型，返回为GydF4y2BaRepeatedMeasuresModelGydF4y2Ba对象。GydF4y2Ba

对于属性和此对象的方法，请参阅GydF4y2BaRepeatedMeasuresModelGydF4y2Ba。GydF4y2Ba

更多关于GydF4y2Ba

全部收缩GydF4y2Ba

型号规格使用威尔金森符号GydF4y2Ba

威尔金森符号描述的因素存在于模型。它没有描述这些因素的乘数（系数）。GydF4y2Ba

中指定响应的规则如下GydF4y2BamodelspecGydF4y2Ba。GydF4y2Ba

威尔金森符号GydF4y2Ba 意义GydF4y2Ba
Y1，Y2，Y3GydF4y2Ba 变量的具体名单GydF4y2Ba
Y1-Y5GydF4y2Ba 所有表变量GydF4y2Ba日元GydF4y2Ba通过GydF4y2Ba日元GydF4y2Ba

下列规则指定中的术语GydF4y2BamodelspecGydF4y2Ba。GydF4y2Ba

威尔金森符号GydF4y2Ba 在标准的符号因素GydF4y2Ba
1GydF4y2Ba 常数（截距）术语GydF4y2Ba
X ^ kGydF4y2Ba,在那里GydF4y2BaķGydF4y2Ba是一个正整数GydF4y2Ba XGydF4y2Ba，GydF4y2BaXGydF4y2Ba2GydF4y2Ba、……GydF4y2BaXGydF4y2BaķGydF4y2Ba
X1 + X2GydF4y2Ba X1GydF4y2Ba，GydF4y2BaX2GydF4y2Ba
X1 * X2GydF4y2Ba X1GydF4y2Ba，GydF4y2BaX2GydF4y2Ba，GydF4y2BaX1 * X2GydF4y2Ba
X1：X2GydF4y2Ba X1 * X2GydF4y2Ba只要GydF4y2Ba
-X2GydF4y2Ba 不包括GydF4y2BaX2GydF4y2Ba
X1 * X2 + X3GydF4y2Ba X1GydF4y2Ba，GydF4y2BaX2GydF4y2Ba，GydF4y2BaX3GydF4y2Ba，GydF4y2BaX1 * X2GydF4y2Ba
X1 + X2 + X3 + X1:X2GydF4y2Ba X1GydF4y2Ba，GydF4y2BaX2GydF4y2Ba，GydF4y2BaX3GydF4y2Ba，GydF4y2BaX1 * X2GydF4y2Ba
X1 * X2 * X3 - X1：X2：X3GydF4y2Ba X1GydF4y2Ba，GydF4y2BaX2GydF4y2Ba，GydF4y2BaX3GydF4y2Ba，GydF4y2BaX1 * X2GydF4y2Ba，GydF4y2BaX1 X3 *GydF4y2Ba，GydF4y2BaX2 * X3GydF4y2Ba
X1 *（X2 + X3）GydF4y2Ba X1GydF4y2Ba，GydF4y2BaX2GydF4y2Ba，GydF4y2BaX3GydF4y2Ba，GydF4y2BaX1 * X2GydF4y2Ba，GydF4y2BaX1 X3 *GydF4y2Ba

统计和机器学习工具箱™符号总是包含常数项，除非你明确地使用删除项GydF4y2Ba1GydF4y2Ba。GydF4y2Ba

也可以看看GydF4y2Ba

介绍了R2014aGydF4y2Ba

统计和机器学习工具箱文档GydF4y2Ba
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLABGydF4y2Ba

掌握机器学习：有步骤，分步指南与MATLABGydF4y2Ba

下载电子书GydF4y2Ba