LinearMixedModel |
线性混合效应模型类 |
fitlme |
拟合线性混合效应模型 |
fitlmematrix |
拟合线性混合效应模型 |
disp |
显示线性混合效应模型 |
预测 |
预测线性混合效应模型的反应 |
随机 |
从拟合的线性混合效应模型产生随机响应 |
fixedEffects |
固定效应估计及相关统计 |
randomEffects |
随机效应的估计和相关统计 |
designMatrix |
固定和随机效果设计矩阵 |
安装 |
线性混合效应模型的拟合响应 |
响应 |
线性混合效应模型的响应向量 |
方差分析 |
线性混合效应模型的方差分析 |
coefCI |
线性混合效应模型系数的置信区间 |
coefTest |
线性混合效应模型的固定效应和随机效应的假设检验 |
比较 |
比较线性混合效应模型 |
covarianceParameters |
提取线性混合效应模型的协方差参数 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
plotResiduals |
绘制线性混合效应模型的残差 |
残差 |
拟合线性混合效应模型的残差 |
以正确的形式存储数据,以拟合线性混合效应模型。
理解线性混合效应模型中模型公式和设计矩阵之间的关系。
这个例子展示了如何拟合和分析线性混合效应模型(LME)。
这个例子展示了如何拟合一个混合效果的线性样条模型。
线性混合效应模型是对分组收集和总结的数据的线性回归模型的扩展。
线性混合效应模型中最常用的两种参数估计方法是最大似然法和限制最大似然法。
威尔金森表示法提供了一种描述回归和重复测量模型的方法,而无需指定系数值。