主要内容gydF4y2Ba

plotResidualsgydF4y2Ba

类:gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba

绘制广义线性混合效应模型的残差gydF4y2Ba

在第页中展开全部gydF4y2Ba

语法gydF4y2Ba

绘图残差（glme，绘图类型）gydF4y2Ba
plotResiduals (glme plottype、名称、值)gydF4y2Ba
h = plotResiduals (gydF4y2Ba___gydF4y2Ba)gydF4y2Ba

描述gydF4y2Ba

绘图仪残差(gydF4y2BaglmegydF4y2Ba,gydF4y2Ba打印类型gydF4y2Ba)gydF4y2Ba绘制广义线性混合效应模型的原始条件残差gydF4y2BaglmegydF4y2Ba在指定类型的图中gydF4y2Ba打印类型gydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

绘图仪残差(gydF4y2BaglmegydF4y2Ba,gydF4y2Ba打印类型gydF4y2Ba,gydF4y2Ba名称,值gydF4y2Ba)gydF4y2Ba绘制的条件残差gydF4y2BaglmegydF4y2Ba使用由一个或多个指定的附加选项gydF4y2Ba名称,值gydF4y2Ba配对参数。例如，您可以指定绘制Pearson残差。gydF4y2Ba

hgydF4y2Ba= plotResiduals (gydF4y2Ba___gydF4y2Ba)gydF4y2Ba返回一个句柄，gydF4y2BahgydF4y2Ba，到残差图中的直线或斑块。gydF4y2Ba

输入参数gydF4y2Ba

全部展开gydF4y2Ba

广义线性混合效应模型，指定为gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba对象。有关此对象的属性和方法，请参见gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba．gydF4y2Ba

剩余地块的类型，指定为下列之一。gydF4y2Ba

价值gydF4y2Ba 描述gydF4y2Ba
“直方图”gydF4y2Ba 残差的柱状图gydF4y2Ba
“caseorder”gydF4y2Ba 残差与案例顺序。大小写顺序与输入数据中使用的行顺序相同gydF4y2Ba资源描述gydF4y2Ba拟合模型时采用gydF4y2BafitglmegydF4y2Ba．gydF4y2Ba
“安装”gydF4y2Ba 残差与拟合值gydF4y2Ba
“落后”gydF4y2Ba 残差与滞后残差(gydF4y2BargydF4y2Ba(gydF4y2BatgydF4y2Ba)与gydF4y2BargydF4y2Ba(gydF4y2BatgydF4y2Ba- 1))gydF4y2Ba
“概率”gydF4y2Ba 正态概率图gydF4y2Ba
“对称”gydF4y2Ba 对称的阴谋gydF4y2Ba

例子:gydF4y2Ba绘图残差（glme，“滞后”）gydF4y2Ba

名称-值对的观点gydF4y2Ba

指定可选的逗号分隔的字符对gydF4y2Ba名称,值gydF4y2Ba参数。gydF4y2Ba名字gydF4y2Ba是参数名和gydF4y2Ba价值gydF4y2Ba为对应值。gydF4y2Ba名字gydF4y2Ba必须出现在引号内。可以以任意顺序指定多个名称和值对参数gydF4y2BaName1, Value1,…,的家gydF4y2Ba．gydF4y2Ba

剩余类型，由逗号分隔的对指定gydF4y2Ba剩余类型gydF4y2Ba和下面的一个。gydF4y2Ba

残留型gydF4y2Ba 公式gydF4y2Ba
“生”gydF4y2Ba

rgydF4y2Ba cgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba −gydF4y2Ba ggydF4y2Ba −gydF4y2Ba 1gydF4y2Ba (gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba TgydF4y2Ba βgydF4y2Ba ^gydF4y2Ba +gydF4y2Ba zgydF4y2Ba 我gydF4y2Ba TgydF4y2Ba bgydF4y2Ba ^gydF4y2Ba +gydF4y2Ba δgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba

皮尔森的gydF4y2Ba

rgydF4y2Ba cgydF4y2Ba 我gydF4y2Ba pgydF4y2Ba egydF4y2Ba 一gydF4y2Ba rgydF4y2Ba gydF4y2Ba ogydF4y2Ba ngydF4y2Ba =gydF4y2Ba rgydF4y2Ba cgydF4y2Ba 我gydF4y2Ba σgydF4y2Ba 2gydF4y2Ba ^gydF4y2Ba wgydF4y2Ba 我gydF4y2Ba 五gydF4y2Ba 我gydF4y2Ba (gydF4y2Ba μgydF4y2Ba 我gydF4y2Ba (gydF4y2Ba βgydF4y2Ba ^gydF4y2Ba ,gydF4y2Ba bgydF4y2Ba ^gydF4y2Ba )gydF4y2Ba )gydF4y2Ba

在这些方程中:gydF4y2Ba

  • ygydF4y2Ba我gydF4y2Ba是gydF4y2Ba我gydF4y2Ba第Th元素gydF4y2BangydF4y2Ba1响应向量,gydF4y2BaygydF4y2Ba,在那里gydF4y2Ba我gydF4y2Ba= 1,…,gydF4y2BangydF4y2Ba．gydF4y2Ba

  • ggydF4y2Ba－1gydF4y2Ba为模型的反向链接函数。gydF4y2Ba

  • xgydF4y2Ba我gydF4y2BaTgydF4y2Ba是gydF4y2Ba我gydF4y2Ba固定效果设计矩阵的第一行gydF4y2BaXgydF4y2Ba．gydF4y2Ba

  • zgydF4y2Ba我gydF4y2BaTgydF4y2Ba是gydF4y2Ba我gydF4y2Ba随机效应设计矩阵的第一行gydF4y2BaZgydF4y2Ba．gydF4y2Ba

  • δgydF4y2Ba我gydF4y2Ba是gydF4y2Ba我gydF4y2Ba偏移值。gydF4y2Ba

  • σgydF4y2Ba2gydF4y2Ba是色散参数。gydF4y2Ba

  • wgydF4y2Ba我gydF4y2Ba是gydF4y2Ba我gydF4y2Ba观察重量。gydF4y2Ba

  • 五gydF4y2Ba我gydF4y2Ba方差项是什么gydF4y2Ba我gydF4y2Ba第三次观察。gydF4y2Ba

  • μgydF4y2Ba我gydF4y2Ba响应的平均值是多少gydF4y2Ba我gydF4y2Ba第三次观察。gydF4y2Ba

  • βgydF4y2Ba ^gydF4y2Ba 和gydF4y2Ba bgydF4y2Ba ^gydF4y2Ba 的估计值gydF4y2BaβgydF4y2Ba和gydF4y2BabgydF4y2Ba．gydF4y2Ba

广义线性混合效应模型的原始残差具有非恒定方差。皮尔逊残差期望具有近似恒定的方差，通常用于分析。gydF4y2Ba

例子:gydF4y2Ba“ResidualType”、“培生的gydF4y2Ba

输出参数gydF4y2Ba

全部展开gydF4y2Ba

剩余图形的句柄，作为图形对象返回。可以使用点表示法更改对象的某些属性值，包括直方图的面颜色，以及散点图的标记样式和颜色。有关更多信息，请参见gydF4y2Ba访问属性值gydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

全部展开gydF4y2Ba

打开生活的脚本gydF4y2Ba

加载示例数据。gydF4y2Ba

负载gydF4y2Ba生产商gydF4y2Ba

该模拟数据来自一家制造公司，该公司在全球运营50家工厂，每家工厂都运行一个批处理流程来生产成品。该公司希望减少每批产品中的缺陷数量，因此开发了一种新的制造流程。为了测试新流程的有效性，该公司选择了2个随机抽取0家工厂参与实验：10家工厂实施了新流程，而另外10家继续运行旧流程。在20家工厂中，公司各运行了5个批次（总共100个批次），并记录了以下数据：gydF4y2Ba

  • 指示批处理是否使用新流程的标志(gydF4y2BanewprocessgydF4y2Ba)gydF4y2Ba

  • 每批处理所需时间(以小时计)(gydF4y2Ba时间gydF4y2Ba)gydF4y2Ba

  • 批次的温度，以摄氏度计(gydF4y2Ba临时gydF4y2Ba)gydF4y2Ba

  • 表示供应商的分类变量(gydF4y2BaAgydF4y2Ba,gydF4y2BaBgydF4y2Ba，或gydF4y2BaCgydF4y2Ba)该批次中使用的化学品的名称(gydF4y2Ba供应商gydF4y2Ba)gydF4y2Ba

  • 批次中的缺陷数量(gydF4y2Ba缺陷gydF4y2Ba)gydF4y2Ba

数据还包括gydF4y2Batime_devgydF4y2Ba和gydF4y2Ba临时开发gydF4y2Ba，分别表示时间和温度与20摄氏度下3小时的工艺标准的绝对偏差。gydF4y2Ba

拟合一个广义线性混合效应模型使用gydF4y2BanewprocessgydF4y2Ba,gydF4y2Batime_devgydF4y2Ba,gydF4y2Ba临时开发gydF4y2Ba,gydF4y2Ba供应商gydF4y2Ba作为固定效应预测器。包括一个随机效应项，用于按分组的截距gydF4y2Ba工厂gydF4y2Ba，以解释由于工厂特定变化而可能存在的质量差异。响应变量gydF4y2Ba缺陷gydF4y2Ba的泊松分布，该模型的适当链接函数是对数。用拉普拉斯拟合方法估计系数。指定虚拟变量编码为gydF4y2Ba“影响”gydF4y2Ba，所以哑变量系数和为0。gydF4y2Ba

缺陷的数量可以用泊松分布来建模:gydF4y2Ba

缺陷gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ∼gydF4y2Ba 泊松gydF4y2Ba (gydF4y2Ba μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba )gydF4y2Ba

这对应于广义线性混合效应模型gydF4y2Ba

日志gydF4y2Ba (gydF4y2Ba μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba )gydF4y2Ba =gydF4y2Ba βgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba βgydF4y2Ba 1gydF4y2Ba newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 2gydF4y2Ba 时间gydF4y2Ba _gydF4y2Ba 发展gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 三gydF4y2Ba 临时gydF4y2Ba _gydF4y2Ba 发展gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 4gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba CgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 5gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba BgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba bgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba

哪里gydF4y2Ba

  • 缺陷gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是工厂生产的批次中观察到的缺陷数量gydF4y2Ba 我gydF4y2Ba 批处理期间gydF4y2Ba jgydF4y2Ba ．gydF4y2Ba

  • μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是对应于工厂的平均缺陷数gydF4y2Ba 我gydF4y2Ba (gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba ．gydF4y2Ba ．gydF4y2Ba ．gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba 0gydF4y2Ba )批处理期间gydF4y2Ba jgydF4y2Ba (gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba ．gydF4y2Ba ．gydF4y2Ba ．gydF4y2Ba ,gydF4y2Ba 5gydF4y2Ba ）.gydF4y2Ba

  • newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 时间gydF4y2Ba _gydF4y2Ba 发展gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 临时gydF4y2Ba _gydF4y2Ba 发展gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 每个变量的测量值是否与工厂相对应gydF4y2Ba 我gydF4y2Ba 批处理期间gydF4y2Ba jgydF4y2Ba ．例如,gydF4y2Ba newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 表示该批次是否由工厂生产gydF4y2Ba 我gydF4y2Ba 批处理期间gydF4y2Ba jgydF4y2Ba 使用新方法gydF4y2Ba

  • 供应商gydF4y2Ba _gydF4y2Ba CgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 和gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba BgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是使用效果（和为零）编码表示公司是否gydF4y2BaCgydF4y2Ba或gydF4y2BaBgydF4y2Ba，分别为工厂生产的批次提供工艺用化学品gydF4y2Ba 我gydF4y2Ba 批处理期间gydF4y2Ba jgydF4y2Ba ．gydF4y2Ba

  • bgydF4y2Ba 我gydF4y2Ba ∼gydF4y2Ba NgydF4y2Ba (gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba σgydF4y2Ba bgydF4y2Ba 2gydF4y2Ba )gydF4y2Ba 是每个工厂的随机效果截距gydF4y2Ba 我gydF4y2Ba 这就解释了工厂特有的质量差异。gydF4y2Ba

glme = fitglme(生产商,gydF4y2Ba'缺陷~ 1 + newprocess + time_dev + temp_dev + supplier + (1|factory)'gydF4y2Ba,gydF4y2Ba“分配”gydF4y2Ba,gydF4y2Ba“泊松”gydF4y2Ba,gydF4y2Ba“链接”gydF4y2Ba,gydF4y2Ba“日志”gydF4y2Ba,gydF4y2Ba“FitMethod”gydF4y2Ba,gydF4y2Ba“拉普拉斯”gydF4y2Ba,gydF4y2Ba“DummyVarCoding”gydF4y2Ba,gydF4y2Ba“影响”gydF4y2Ba）;gydF4y2Ba

使用Pearson残差创建诊断图，以测试模型假设。gydF4y2Ba

绘制直方图直观地确认皮尔逊残差的均值等于0。如果模型是正确的，我们期望皮尔逊残差的中心在0。gydF4y2Ba

plotResiduals (glmegydF4y2Ba“直方图”gydF4y2Ba,gydF4y2Ba“ResidualType”gydF4y2Ba,gydF4y2Ba皮尔森的gydF4y2Ba)gydF4y2Ba

图中包含一个坐标轴。以残差直方图为标题的坐标轴包含一个patch类型的对象。gydF4y2Ba

直方图显示皮尔逊残差的中心在0。gydF4y2Ba

绘制Pearson残差与拟合值的对比图，以检查残差之间的非恒定方差迹象（异方差）。我们期望条件皮尔逊残差具有恒定方差。因此，条件皮尔逊残差与条件拟合值的关系图不应显示对条件拟合值的任何系统依赖性。gydF4y2Ba

plotResiduals (glmegydF4y2Ba“安装”gydF4y2Ba,gydF4y2Ba“ResidualType”gydF4y2Ba,gydF4y2Ba皮尔森的gydF4y2Ba)gydF4y2Ba

图中包含一个坐标轴。标题为残差与拟合值图的轴包含两个类型为line的对象。gydF4y2Ba

该图未显示对拟合值的系统依赖性，因此残差之间没有非恒定方差的迹象。gydF4y2Ba

绘制Pearson残差与滞后残差的对比图，以检查残差之间的相关性。GLME中的条件独立性假设意味着条件Pearson残差近似不相关。gydF4y2Ba

plotResiduals (glmegydF4y2Ba“落后”gydF4y2Ba,gydF4y2Ba“ResidualType”gydF4y2Ba,gydF4y2Ba皮尔森的gydF4y2Ba)gydF4y2Ba

图中包含一个轴。带有残差与滞后残差标题图的轴包含3个line类型的对象。gydF4y2Ba

图中没有模式，因此残差之间没有相关性的迹象。gydF4y2Ba

另见gydF4y2Ba

|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba

统计和机器学习工具箱文档gydF4y2Ba

万博1manbetx

掌握机器学习：用MATLAB逐步指导gydF4y2Ba

掌握机器学习：用MATLAB逐步指导gydF4y2Ba

下载电子书gydF4y2Ba