非线性mixed-effects估计gydF4y2Ba
β= nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
(β,PSI) = nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
-β,PSI,统计] = nlmefit(X,Y,组,V,乐趣,beta0)gydF4y2Ba
-β,PSI,统计数据,B] = nlmefit(X,Y,组,V,乐趣,beta0)gydF4y2Ba
(β,PSI,统计数据,B) = nlmefit (X, y,, V,有趣,beta0,”gydF4y2Ba的名字gydF4y2Ba
',gydF4y2Ba价值gydF4y2Ba
)gydF4y2Ba
β= nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
拟合一个非线性混合效应回归模型和收益估计的固定效应gydF4y2Ba公测gydF4y2Ba
。默认情况下,gydF4y2BanlmefitgydF4y2Ba
适合的模型,其中每个参数是一个固定的和随机效应的总和,和随机效应是不相关的(它们的协方差矩阵是对角线)。gydF4y2Ba
XgydF4y2Ba
是一个gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BahgydF4y2Ba矩阵的gydF4y2BangydF4y2Ba观察gydF4y2BahgydF4y2Ba预测因子。gydF4y2Ba
ygydF4y2Ba
是一个gydF4y2BangydF4y2Ba响应向量的-乘1。gydF4y2Ba
集团gydF4y2Ba
分组变量是否指示gydF4y2Ba米gydF4y2Ba观察组。gydF4y2Ba集团gydF4y2Ba
是分类变量,数字载体,具有行组名,一个字符串数组,或字符向量的单元阵列的字符矩阵。有关分组变量的更多信息,请参阅gydF4y2Ba分组变量gydF4y2Ba。gydF4y2Ba
VgydF4y2Ba
是一个gydF4y2Ba米gydF4y2Ba——- - - - - -gydF4y2BaggydF4y2Ba的矩阵或单元数组gydF4y2BaggydF4y2Ba特定组的预测因子。这些是采取一组中的所有观测值相同的预测。的行gydF4y2BaVgydF4y2Ba
被分配到组使用gydF4y2Bagrp2idxgydF4y2Ba
,根据所述顺序指定由gydF4y2Bagrp2idx(集团)gydF4y2Ba
。使用单元格数组gydF4y2BaVgydF4y2Ba
如果群体预测因子在不同群体中大小不同。使用gydF4y2Ba[]gydF4y2Ba
为gydF4y2BaVgydF4y2Ba
如果没有群体特有的预测因子。gydF4y2Ba
开玩笑gydF4y2Ba
是一个函数的句柄,该函数接受预测值和模型参数,并返回符合的值。gydF4y2Ba开玩笑gydF4y2Ba
的形式gydF4y2Ba
yfit = modelfun(φ,XFUN VFUN)gydF4y2Ba
的参数是:gydF4y2Ba
PHIgydF4y2Ba
- A 1逐gydF4y2BapgydF4y2Ba模型参数向量。gydF4y2Ba
XFUNgydF4y2Ba
——一个gydF4y2BakgydF4y2Ba——- - - - - -gydF4y2BahgydF4y2Ba预测器,其中的阵列:gydF4y2Ba
kgydF4y2Ba= 1,如果gydF4y2BaXFUNgydF4y2Ba
是单排gydF4y2BaXgydF4y2Ba
。gydF4y2Ba
kgydF4y2Ba=gydF4y2BangydF4y2Ba我gydF4y2Ba如果gydF4y2BaXFUNgydF4y2Ba
包含gydF4y2BaXgydF4y2Ba
对于一个单一群体的规模gydF4y2BangydF4y2Ba我gydF4y2Ba。gydF4y2Ba
kgydF4y2Ba=gydF4y2BangydF4y2Ba如果gydF4y2BaXFUNgydF4y2Ba
包含gydF4y2BaXgydF4y2Ba
。gydF4y2Ba
VFUNgydF4y2Ba
-由其中一个给出的群特异性预测因子:gydF4y2Ba
A 1逐gydF4y2BaggydF4y2Ba向量对应于的单个组和单个行gydF4y2BaVgydF4y2Ba
。gydF4y2Ba
一个gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BaggydF4y2Ba数组,gydF4y2BajgydF4y2Ba第一行是V(gydF4y2Ba我gydF4y2Ba
:)如果gydF4y2BajgydF4y2Ba观察是分组的gydF4y2Ba我gydF4y2Ba
。gydF4y2Ba
如果gydF4y2BaVgydF4y2Ba
是空的,gydF4y2BanlmefitgydF4y2Ba
调用gydF4y2BamodelfungydF4y2Ba
只有两个输入。gydF4y2Ba
yfitgydF4y2Ba
——一个gydF4y2BakgydF4y2Ba拟合值的-1乘1向量gydF4y2Ba
当gydF4y2BaPHIgydF4y2Ba
要么gydF4y2BaVFUNgydF4y2Ba
包含单个行,它对应于其他两个输入参数的所有行。gydF4y2Ba
如果gydF4y2BamodelfungydF4y2Ba
可以计算gydF4y2BayfitgydF4y2Ba
对于每个调用的多个模型参数向量,使用gydF4y2Ba“矢量”gydF4y2Ba
参数(稍后描述)以改进性能。gydF4y2Ba
beta0gydF4y2Ba
是一个gydF4y2Ba问gydF4y2Ba的-乘1向量的初始估计gydF4y2Ba问gydF4y2Ba固定效应。默认情况下,gydF4y2Ba问gydF4y2Ba是模型参数的数gydF4y2BapgydF4y2Ba。gydF4y2Ba
nlmefitgydF4y2Ba
拟合模型,最大限度逼近积分出随机效应的边际似然值,假设:gydF4y2Ba
随机效应是多变量正态分布,组间独立。gydF4y2Ba
观测误差是独立的,相同的正态分布,以及独立的随机效应。gydF4y2Ba
(β,PSI) = nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
同样的回报gydF4y2BaψgydF4y2Ba
,一个gydF4y2BargydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba估计协方差矩阵的随机效应。默认情况下,gydF4y2BargydF4y2Ba等于模型参数的数量gydF4y2BapgydF4y2Ba。gydF4y2Ba
-β,PSI,统计] = nlmefit(X,Y,组,V,乐趣,beta0)gydF4y2Ba
同样的回报gydF4y2Ba统计gydF4y2Ba
,一个带有字段的结构:gydF4y2Ba
教育部gydF4y2Ba
- 该模型的误差自由度gydF4y2Ba
loglgydF4y2Ba
- 最大化的对数似然拟合模型gydF4y2Ba
RMSEgydF4y2Ba
- 所估计的误差方差的平方根(计算上为对数标度gydF4y2Ba指数gydF4y2Ba
误差模型)gydF4y2Ba
errorparamgydF4y2Ba
-误差方差模型的估计参数gydF4y2Ba
AICgydF4y2Ba
- Akaike信息标准,计算为gydF4y2BaAICgydF4y2Ba
= 2 *gydF4y2BaloglgydF4y2Ba
+ 2 *gydF4y2BanumParamgydF4y2Ba
,在那里gydF4y2BanumParamgydF4y2Ba
是拟合参数,包括自由度为的随机效应的协方差矩阵,固定效应的数目和误差模型的参数的数目的数目,并且gydF4y2BaloglgydF4y2Ba
字段是在gydF4y2Ba统计gydF4y2Ba
结构体gydF4y2Ba
bicgydF4y2Ba
- 贝叶斯信息准则,计算为gydF4y2BabicgydF4y2Ba
= 2 *gydF4y2BaloglgydF4y2Ba
+日志(gydF4y2Ba米gydF4y2Ba
)*gydF4y2BanumParamgydF4y2Ba
米gydF4y2Ba
是组数。gydF4y2Ba
numParamgydF4y2Ba
和gydF4y2BaloglgydF4y2Ba
被定义为在gydF4y2BaAICgydF4y2Ba
。gydF4y2Ba
注意,一些文献表明gydF4y2BabicgydF4y2Ba
应该是,gydF4y2BabicgydF4y2Ba
= 2 *gydF4y2BaloglgydF4y2Ba
+日志(gydF4y2BaNgydF4y2Ba
)*gydF4y2BanumParamgydF4y2Ba
,在那里gydF4y2BaNgydF4y2Ba
为观测次数。gydF4y2Ba
covbgydF4y2Ba
-估计的协方差矩阵的参数估计gydF4y2Ba
sebetagydF4y2Ba
-的标准误差gydF4y2Ba公测gydF4y2Ba
忿怒gydF4y2Ba
-人口残差gydF4y2Ba(y-y_population)gydF4y2Ba
,在那里gydF4y2Bay_populationgydF4y2Ba
个体的预测值是多少gydF4y2Ba
PRESgydF4y2Ba
-人口残差gydF4y2Ba(y-y_population)gydF4y2Ba
,在那里gydF4y2Bay_populationgydF4y2Ba
人口是预测值吗gydF4y2Ba
iwresgydF4y2Ba
-个别加权残差gydF4y2Ba
压水式反应堆gydF4y2Ba
-人口加权残差gydF4y2Ba
cwresgydF4y2Ba
-条件加权残差gydF4y2Ba
-β,PSI,统计数据,B] = nlmefit(X,Y,组,V,乐趣,beta0)gydF4y2Ba
同样的回报gydF4y2BaBgydF4y2Ba
,一个gydF4y2BargydF4y2Ba——- - - - - -gydF4y2Ba米gydF4y2Ba的所估计的随机效应矩阵gydF4y2Ba米gydF4y2Ba组。默认情况下,gydF4y2BargydF4y2Ba等于模型参数的数量gydF4y2BapgydF4y2Ba。gydF4y2Ba
(β,PSI,统计数据,B) = nlmefit (X, y,, V,有趣,beta0,”gydF4y2Ba
指定一个或多个可选参数名称/值对。指定gydF4y2Ba的名字gydF4y2Ba
',gydF4y2Ba价值gydF4y2Ba
)gydF4y2Ba的名字gydF4y2Ba
里面的单引号。gydF4y2Ba
使用以下参数来适应不同于默认值的模型。(通过设置两者获得默认模型gydF4y2BaFEConstDesigngydF4y2Ba
和gydF4y2BaREConstDesigngydF4y2Ba
来gydF4y2Ba眼(p)gydF4y2Ba
或由两者设置gydF4y2BaFEParamsSelectgydF4y2Ba
和gydF4y2BaREParamsSelectgydF4y2Ba
来gydF4y2Ba1: pgydF4y2Ba
)。参数最多只能使用一个gydF4y2Ba'FE'gydF4y2Ba
前缀和一个参数gydF4y2Ba“重新”gydF4y2Ba
前缀。的gydF4y2BanlmefitgydF4y2Ba
功能需要至少指定一个固定的效果和一个随机效应。gydF4y2Ba
参数gydF4y2Ba | 值gydF4y2Ba |
---|---|
FEParamsSelectgydF4y2Ba |
一个向量,指定参数向量的哪些元素gydF4y2Ba |
FEConstDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba设计矩阵gydF4y2Ba |
FEGroupDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba——- - - - - -gydF4y2Ba米gydF4y2Ba数组指定不同的gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba每个固定效果设计矩阵gydF4y2Ba米gydF4y2Ba组。gydF4y2Ba |
FEObsDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba——- - - - - -gydF4y2BangydF4y2Ba数组指定不同的gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba每个固定效果设计矩阵gydF4y2BangydF4y2Ba观察。gydF4y2Ba |
REParamsSelectgydF4y2Ba |
一个向量,指定参数向量的哪些元素gydF4y2Ba |
REConstDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba设计矩阵gydF4y2Ba |
REGroupDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba——- - - - - -gydF4y2Ba米gydF4y2Ba数组指定不同的gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba随机效应设计矩阵为每个gydF4y2Ba米gydF4y2Ba组。gydF4y2Ba |
REObsDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba——- - - - - -gydF4y2BangydF4y2Ba数组指定不同的gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba随机效应设计矩阵为每个gydF4y2BangydF4y2Ba观察。gydF4y2Ba |
使用以下参数来控制迭代算法来最大化似然值:gydF4y2Ba
参数gydF4y2Ba |
值gydF4y2Ba |
---|---|
RefineBeta0gydF4y2Ba |
决定gydF4y2Ba |
ErrorModelgydF4y2Ba |
字符向量或标量的字符串指定误差项的形式。默认值是gydF4y2Ba
如果给定此参数,则输出gydF4y2Ba
|
ApproximationTypegydF4y2Ba |
用来近似模型的可能性的方法。的选择是:gydF4y2Ba
|
向量化gydF4y2Ba |
参数的可接受大小gydF4y2Ba
|
CovParameterizationgydF4y2Ba |
指定内部用于缩放协方差矩阵的参数化。的选择是gydF4y2Ba |
CovPatterngydF4y2Ba |
指定一个gydF4y2BargydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba逻辑或数字矩阵gydF4y2Ba 另外,gydF4y2Ba |
ParamTransformgydF4y2Ba |
一个向量的gydF4y2BapgydF4y2Ba- 值指定的变换函数gydF4y2BafgydF4y2Ba()为每个gydF4y2Ba
|
选项gydF4y2Ba |
返回的窗体的结构gydF4y2Ba
|
OptimFungydF4y2Ba |
指定用于最大化可能性的优化函数。的选择是gydF4y2Ba |
[1] Lindstrom的,M.J.,和D. M.贝茨。“非线性混合效应模型重复测量数据。”gydF4y2Ba生物识别技术gydF4y2Ba。第46卷,1990年,第673-687页gydF4y2Ba
大卫,M.和D. M.吉尔提南。gydF4y2Ba重复测量数据的非线性模型gydF4y2Ba。纽约:查普曼和霍尔,1995年。gydF4y2Ba
[3] Pinheiro j.c.和d。m。Bates。"非线性混合效应模型中对数似然函数的近似"gydF4y2Ba杂志计算和图形统计gydF4y2Ba。1995年第4卷第12-35页gydF4y2Ba
[4] Demidenko E。gydF4y2Ba混合模型:理论与应用gydF4y2Ba。新泽西州霍博肯:约翰威利父子公司,2004年。gydF4y2Ba