plotResiduals

类:LinearMixedModel

情节线性mixed-effects模型的残差

扩展所有的页面

语法

plottype plotResiduals (lme)

plotResiduals (lme plottype、名称、值)

h = plotResiduals (___)

描述

例子

plotResiduals (lme三个月,plottype)情节的原始条件线性mixed-effects模型的残差lme三个月在一块指定的类型plottype。

例子

plotResiduals (lme三个月,plottype,名称,值)情节线性mixed-effects模型的残差lme三个月额外的选项指定的一个或多个参数名称-值对。例如,您可以指定残余类型的阴谋。

plotResiduals还接受其他名称-值对参数,指定的属性主要线路图。对于那些名称-值对,看到的情节。

h= plotResiduals (___)返回一个句柄,h线或补丁在残差的情节。

输入参数

全部展开

`lme三个月`- - - - - -线性mixed-effects模型
`LinearMixedModel`对象

指定为一个线性mixed-effects模型LinearMixedModel对象构造使用fitlme或fitlmematrix。

`plottype`- - - - - -类型的残余情节
`“直方图”`(默认)|`“caseorder”`|`“安装”`|`“落后”`|`“概率”`|`“对称”`

类型的残图,指定为以下之一。

`“直方图”`	违约。残差的柱状图
`“caseorder”`	残差与例(行)
`“安装”`	残差与拟合值
`“落后”`	残差与滞后残余(r(t)与r(t- 1))
`“概率”`	正态概率图
`“对称”`	对称的阴谋

例子:“滞后”plotResiduals (lme)

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

剩余类型,指定的逗号分隔组成的ResidualType和一个以下。

剩余的类型有条件的边际

剩余的类型	有条件的	边际
`“生”`	$r_{我}^{C} = {(y - X \hat{β} - Z \hat{b}]}_{我}$	$r_{我}^{米} = {(y - X \hat{β}]}_{我}$
`皮尔森的`	$p r_{我}^{C} = \frac{r_{我}^{C}}{{\sqrt{({\hat{V 一个 r}}_{y, b} (y - X β - Z b)]}}_{我我}}$	$p r_{我}^{米} = \frac{r_{我}^{米}}{\sqrt{{({\hat{V 一个 r}}_{y} (y - X β)]}_{我我}}}$
`“标准化”`	$年代 t_{我}^{C} = \frac{r_{我}^{C}}{\sqrt{{({\hat{V 一个 r}}_{y} (r^{C})]}_{我我}}}$	$年代 t_{我}^{米} = \frac{r_{我}^{米}}{\sqrt{{({\hat{V 一个 r}}_{y} (r^{米})]}_{我我}}}$

“生”

$r_{我}^{C} = {(y - X \hat{β} - Z \hat{b}]}_{我}$

$r_{我}^{米} = {(y - X \hat{β}]}_{我}$

皮尔森的

$p r_{我}^{C} = \frac{r_{我}^{C}}{{\sqrt{({\hat{V 一个 r}}_{y, b} (y - X β - Z b)]}}_{我我}}$

$p r_{我}^{米} = \frac{r_{我}^{米}}{\sqrt{{({\hat{V 一个 r}}_{y} (y - X β)]}_{我我}}}$

“标准化”

$年代 t_{我}^{C} = \frac{r_{我}^{C}}{\sqrt{{({\hat{V 一个 r}}_{y} (r^{C})]}_{我我}}}$

$年代 t_{我}^{米} = \frac{r_{我}^{米}}{\sqrt{{({\hat{V 一个 r}}_{y} (r^{米})]}_{我我}}}$

有关条件的更多信息和边际残差和剩余方差,明白了定义在这个页面。

例子:“ResidualType”、“标准化”

输出参数

全部展开

`h`——处理残余阴谋
处理

处理剩余的情节,作为一个句柄返回。

例子

全部展开

检验残差

打开生活的脚本

加载示例数据。

负载(“weight.mat”)

重量包含数据从一个纵向研究,20受试者被随机分配到4锻炼项目,和他们的体重记录超过6时间2周。这是模拟数据。

将数据存储在一个表。定义主题和程序作为分类变量。

台=表(InitialWeight、程序、主题周,y);资源描述。主题=分类(tbl.Subject);资源描述。程序=分类(tbl.Program);

适合线性mixed-effects模型的初始重量,类型的计划,周,周之间的交互和类型的程序固定效果。拦截和周不同的主题。

lme = fitlme(资源描述,“y ~ InitialWeight +程序*周+(周|主题));

绘制柱状图的原始残差。

plotResiduals (lme)

图包含一个坐标轴对象。坐标轴对象与标题残差的柱状图包含一个补丁类型的对象。

残差与拟合值的阴谋。

plotResiduals (lme,“安装”)

图包含一个坐标轴对象。坐标轴对象标题块残差与拟合值包含2线类型的对象。

没有明显的模式,所以没有能立即异方差性的迹象。

建立残差的正态概率图。

plotResiduals (lme,“概率”)

图包含一个坐标轴对象。标题的残差正态概率图的坐标轴对象包含2线类型的对象。

数据似乎是正常的。

找到观察数据的数量似乎是局外人右边的阴谋。

找到(残差(lme) > 0.25)

ans = 101

创建一个原始的箱线图,皮尔森,标准化残差。

r =残差(lme);公关=残差(lme,“ResidualType”,皮尔森的);圣=残差(lme,“ResidualType”,“标准化”);X = [r公关st];箱线图(X,“标签”,{“生”,皮尔森的,“标准化”})

图包含一个坐标轴对象。坐标轴对象包含21线类型的对象。

这三个盒子情节指出的离群值的右尾分布。盒子的原材料皮尔逊残差也指出左边第二个之外的尾巴。找到相应的观测数量。

找到(公关< 2)

ans = 10

情节的原始残差与滞后剩余工资。

plotResiduals (lme,“落后”)

图包含一个坐标轴对象。坐标轴对象和标题块残差与滞后残差包含3线类型的对象。

图中没有明显的模式。残差不相关。

另请参阅

LinearMixedModel|残差|安装

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一个循序渐进的指导与MATLAB

下载电子书

plotResiduals

语法

描述

输入参数

lme三个月- - - - - -线性mixed-effects模型LinearMixedModel对象

plottype- - - - - -类型的残余情节“直方图”(默认)|“caseorder”|“安装”|“落后”|“概率”|“对称”

名称-值参数

ResidualType- - - - - -剩余的类型“生”(默认)|皮尔森的|“标准化”

输出参数

h——处理残余阴谋处理

例子

检验残差

另请参阅

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一个循序渐进的指导与MATLAB

`lme三个月`- - - - - -线性mixed-effects模型
`LinearMixedModel`对象

`plottype`- - - - - -类型的残余情节
`“直方图”`(默认)|`“caseorder”`|`“安装”`|`“落后”`|`“概率”`|`“对称”`

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

`h`——处理残余阴谋
处理