fixedEffects
固定效应估计及相关统计
语法
描述
输入参数
lme三个月
- - - - - -线性混合效应模型
LinearMixedModel
对象
线性混合效应模型,指定为aLinearMixedModel
使用fitlme
或fitlmematrix
.
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
α
- - - - - -显著性水平
0.05(默认)|0 ~ 1之间的标量值
显著性级别,指定为由逗号分隔的对组成“α”
和一个范围为0到1的标量值。对于值α,置信水平为100*(1 -α)%。
例如,对于99%置信区间,可以按如下方式指定置信级别。
例子:“阿尔法”,0.01
数据类型:单
|双
DFMethod
- - - - - -计算近似自由度的方法
“残留”
(默认)|“satterthwaite”
|“没有”
计算近似自由度的方法t-针对0测试固定效应系数的统计信息,指定为由逗号分隔的对组成“DFMethod”
下面是其中之一。
“残留” |
违约。自由度假设为常数,等于n- - - - - -p,在那里n观察的次数和p是固定效果的数量。 |
“satterthwaite” |
Satterthwaite近似。 |
“没有” |
所有的自由度都设为无穷大。 |
例如,您可以如下所示指定Satterthwaite近似。
例子:“DFMethod”、“satterthwaite”
输出参数
β
-固定效应系数估计
向量
拟合线性混合效应模型的固定效应系数估计lme三个月
,作为一个向量返回。
betanames
-固定效应系数的名称
表格
固定效应系数的名称β
,作为表返回。
统计数据
-固定效应估计和有关统计数字
数据集的数组
固定效果估计和相关统计信息,作为数据集数组返回,每个固定效果各有一行,下面的每个统计信息各有一列。
的名字 |
固定效应系数的名称 |
估计 |
估计系数值 |
SE |
估计的标准误差 |
tStat |
t-statistic用于测试系数为零的情况 |
DF |
估计的自由度t统计 |
pValue |
p-valuet统计 |
较低的 |
固定效应系数95%置信区间的下限 |
上 |
固定效应系数95%置信区间的上限 |
例子
显示固定效应系数估计值和名称
加载样例数据。
负载(“weight.mat”);
数据集重量
包含来自纵向研究的数据,其中20名受试者被随机分配到4个运动项目,他们的体重减轻记录在6个2周的时间段内。这是模拟数据。
将数据存储在表中。定义主题
而且程序
作为分类变量。
tbl = table(InitialWeight,Program,Subject,Week,y);资源描述。主题=名义(tb .Subject);资源描述。Program = nominal(tbl.Program);
拟合线性混合效应模型,其中初始权重、节目类型、周以及周与节目之间的相互作用为固定效应。截距和周因学科而异。
Lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');
显示固定效应系数估计值和相应的固定效应名称。
[beta,betanames] = fixedEffects(lme)
β=9×10.6610 0.0032 0.3608 -0.0333 0.1132 0.1732 0.0388 0.0305 0.0331
betanames =9×1表的名字 __________________ {'( 拦截)}{‘InitialWeight}{‘Program_B}{‘Program_C}{‘Program_D}{‘周’}{Program_B:一周的}{Program_C:一周的}{‘Program_D:周}
计算系数估计和相关统计
加载样例数据。
负载carbig
拟合每加仑英里数(MPG)的线性混合效应模型,其中加速度和马力具有固定效应,截距和加速度具有潜在的相关随机效应,按模型年份分组。首先,将数据存储在一个表中。
tbl = table(加速度,马力,Model_Year,MPG);
拟合模型。
Lme = fitlme(tbl,'MPG ~加速度+马力+(加速度|型号年)');
计算固定效应系数估计值和相关统计数据。
[~,~,stats] = fixedEffects(lme)
stats =固定效应系数:DFMethod = '残差',Alpha = 0.05名称估计SE tStat DF{'(拦截)'}50.133 2.2652 22.132 389{'加速度'}-0.58327 0.13394 -4.3545 389{'马力'}-0.16954 0.0072609 -23.35 389 pValue Lower Upper 7.7727e-71 45.679 54.586 1.7075e-05 -0.84661 -0.31992 5.188e-76 -0.18382 -0.15527
小
值(在pValue
)表示所有固定效应系数均显著。
用指定的选项计算置信区间
加载样例数据。
负载(“shift.mat”);
数据显示了五名操作员在上午、晚上和晚上三班期间生产的产品与目标质量特征的偏差。s manbetx 845这是一个随机块设计,其中的操作符就是块。本实验旨在研究换挡时间对性能的影响。绩效衡量是指质量特征与目标值之间的偏差。这是模拟数据。
转变
而且操作符
都是名义变量。
转变。转变= nominal(shift.Shift); shift.Operator = nominal(shift.Operator);
拟合线性混合效应模型与随机截距分组的操作员,以评估性能是否显著不同,根据轮班的时间。
Lme = fitlme(移位,'QCDev ~ Shift + (1|Operator)');
计算固定效应系数的99%置信区间,使用残差方法计算自由度。这是默认的方法。
[~,~,stats] = fixedEffects(lme,“α”, 0.01)
stats =固定效应系数:DFMethod = 'Residual', Alpha = 0.01名称估计SE tStat DF pValue{'(拦截)'}3.1196 0.88681 3.5178 12 0.0042407 {'Shift_Morning'} -0.3868 0.48344 -0.80009 12 0.43921 {'Shift_Night'} 1.9856 0.48344 4.1072 12 0.0014535下上0.41081 5.8284 -1.8635 1.0899 0.5089 3.4623
计算固定效应系数的99%置信区间,使用Satterthwaite近似计算自由度。
[~,~,stats] = fixedEffects(lme,“DFMethod”,“satterthwaite”,“α”, 0.01)
stats =固定效应系数:DFMethod = 'Satterthwaite', Alpha = 0.01名称估计SE tStat DF pValue{'(拦截)'}3.1196 0.88681 3.5178 6.123 0.01214 {'Shift_Morning'} -0.3868 0.48344 -0.80009 10 0.44225 {'Shift_Night'} 1.9856 0.48344 4.1072 10 0.00212 Lower Upper -0.14122 6.3804 -1.919 1.1454 0.45343 3.5178
Satterthwaite近似通常产生更小的DF
值大于残差法。这就是为什么它的产量更大
值(pValue
)和更大的置信区间(见较低的
而且上
).
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。