文档帮助中心文档
类:GeneralizedLinearMixedModel
重构广义线性混合效应模型
glmenew =改装(glme ynew)
例子
glmenew=改装(glme,ynew)返回经过修正的广义线性混合效应模型,glmenew,基于输入模型glme,使用新的响应向量,ynew.
glmenew=改装(glme,ynew)
glmenew
glme
ynew
全部展开
GeneralizedLinearMixedModel
广义线性混合效应模型,指定为GeneralizedLinearMixedModel对象。有关此对象的属性和方法,请参见GeneralizedLinearMixedModel.
新的响应向量,指定为n向量的标量值,其中n是用来匹配的观测数吗glme.
一个观察我与以前的重量w我p和二项大小n我(如适用),响应值y我包含在ynew可以有以下值。
二项
{ 0 , 1 w 我 p n 我 , 2 w 我 p n 我 , . ... , 1 }
泊松
{ 0 , 1 w 我 p , 2 w 我 p , ⋯ , 1 }
γ
InverseGaussian
正常的
您可以访问prior weights属性w我p使用点符号。
glme.ObservationInfo.Weights
数据类型:单|双
单
双
广义线性混合效应模型,返回为GeneralizedLinearMixedModel对象。glmenew是广义线性混合效应模型的更新版本吗glme,将其修改为响应向量中的值ynew.
有关此对象的属性和方法,请参见GeneralizedLinearMixedModel.
加载示例数据。
负载生产商
这些模拟数据来自一家在世界各地运营50家工厂的制造公司,每个工厂运行一个批处理流程来创建成品。该公司想要减少每批的缺陷数量,所以它开发了一种新的制造工艺。为了测试新工艺的有效性,该公司随机挑选了20家工厂参与实验:10家工厂实施了新工艺,而其他10家继续运行旧工艺。在20家工厂中,公司分别运行了5批(共100批),并记录了以下数据:
标志,以指示批是否使用新工艺(newprocess)
newprocess
每批处理所需时间(以小时计)(时间)
时间
批次的温度,以摄氏度计(临时)
临时
表示供应商的分类变量(一个,B,或C)所使用的该批化学品(供应商)
一个
B
C
供应商
批次缺陷数(缺陷)
缺陷
数据还包括time_dev和temp_dev,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。
time_dev
temp_dev
拟合一个广义线性混合效应模型使用newprocess,time_dev,temp_dev,供应商固定后果预测。包括一个随机效应术语,用于分组的拦截工厂,以考虑由于工厂特定差异可能存在的质量差异。响应变量缺陷的泊松分布,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“影响”,所以哑变量系数和为0。
工厂
“影响”
缺陷的数量可以用泊松分布来建模
缺陷 我 j ∼ 泊松 ( μ 我 j )
这与广义线性混合效应模型相对应
日志 ( μ 我 j ) = β 0 + β 1 newprocess 我 j + β 2 时间 _ dev 我 j + β 3. 临时 _ dev 我 j + β 4 供应商 _ C 我 j + β 5 供应商 _ B 我 j + b 我 ,
在哪里
缺陷 我 j 在工厂生产的批次中是否观察到缺陷的数量 我 在批处理 j .
μ 我 j 平均缺陷数是否与工厂相应 我 ( 我 = 1 , 2 , . . . , 2 0 在批处理) j ( j = 1 , 2 , . . . , 5 ).
newprocess 我 j , 时间 _ dev 我 j , 临时 _ dev 我 j 每个变量的测量值是否与工厂相对应 我 在批处理 j .例如, newprocess 我 j 指示该批次是否由工厂生产 我 在批处理 j 使用新方法
供应商 _ C 我 j 和 供应商 _ B 我 j 是否使用效应(sum-to-zero)编码的虚拟变量表明是否公司C或B,分别为工厂生产的批次提供工艺用化学品 我 在批处理 j .
b 我 ∼ N ( 0 , σ b 2 ) 每个工厂都有随机效果拦截吗 我 这就解释了工厂特有的质量差异。
glme = fitglme(生产商,'缺陷~ 1 + newprocess + time_dev + temp_dev + supplier + (1|factory)',“分布”,“泊松”,“链接”,“日志”,“FitMethod”,“拉普拉斯”,“DummyVarCoding”,“影响”);
使用随机从拟合模型中模拟新的响应向量。
随机
rng (0,“旋风”);%的再现性ynew =随机(glme);
使用新的响应向量重新建立模型。
glme =改装(glme ynew)
glme =广义线性mixed-effects模型适合毫升模型信息:观察100固定效应系数6 20协方差参数随机效应系数1泊松分布链接日志FitMethod拉普拉斯公式:缺陷~ 1 + newprocess + time_dev + temp_dev +供应商+(1 |工厂)模型适合统计:AIC BIC LogLikelihood Deviance 469.24 487.48 -227.62 455.24固定效应系数(95% CIs):Name Estimate SE tStat DF pValue {'(Intercept)'} 1.5738 0.18674 8.4276 94 4.0158e-13 {'newprocess'} -0.21089 0.2306 -0.91455 94 0.36277 {'temp_dev'} -0.13769 0.77477 0.17772 94 0.37933 {'temp_dev'} - 0.24339 0.84657 0.2875 94 0.37936 {'supplier_C'} -0.12102 0.07323 -1.6526 94 0.10175 {'supplier_B'} 0.098254 0.066943 1.4677 94 0.14551上1.203 1.9445 -0.66875 0.24696 - 1.4006 -1.4375 1.9243 -0.26642 0.024381 -0.034662 0.23117随机效应协方差参数:Group: factory (20 Levels) Name1 Name2 Type Estimate {'(Intercept)'} {'(Intercept)'} {'std'} 0.46587 Group: Error Name Estimate {'sqrt(Dispersion)'} 1
您可以使用改装和随机进行模拟似然比检验或参数自举。
改装
designMatrix|安装|GeneralizedLinearMixedModel|残差
designMatrix
安装
残差
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系