nlmefitgydF4y2Ba

非线性mixed-effects估计gydF4y2Ba

语法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

描述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

请注意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的名字gydF4y2Ba',gydF4y2Ba价值gydF4y2Ba)gydF4y2Ba指定一个或多个可选参数名称/值对。指定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`PHIgydF4y2Ba`包括一个固定的效果，作为一个数字向量的索引gydF4y2Ba`1gydF4y2Ba`来gydF4y2Ba`pgydF4y2Ba`或者写成1 by-gydF4y2BapgydF4y2Ba逻辑向量。如果gydF4y2Ba问gydF4y2Ba是指定数量的元素，那么模型包括gydF4y2Ba问gydF4y2Ba固定效应。gydF4y2Ba
`FEConstDesigngydF4y2Ba`	一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2Ba问gydF4y2Ba设计矩阵gydF4y2Ba`动力gydF4y2Ba`,在那里gydF4y2Ba`动力*βgydF4y2Ba`是的固定部件gydF4y2BapgydF4y2Ba要点gydF4y2Ba`PHIgydF4y2Ba`。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`PHIgydF4y2Ba`包括随机效应，给定为从索引的数值向量gydF4y2Ba`1gydF4y2Ba`来gydF4y2Ba`pgydF4y2Ba`或者写成1 by-gydF4y2BapgydF4y2Ba逻辑向量。该模型包括gydF4y2BargydF4y2Ba随机效应,gydF4y2BargydF4y2Ba是指定的元素数量。gydF4y2Ba
`REConstDesigngydF4y2Ba`	一个gydF4y2BapgydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba设计矩阵gydF4y2Ba`BDESIGNgydF4y2Ba`,在那里gydF4y2Ba`BDESIGN * BgydF4y2Ba`的随机成分是gydF4y2BapgydF4y2Ba要点gydF4y2Ba`PHIgydF4y2Ba`。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`nlmefitgydF4y2Ba`对做了初步的细化gydF4y2Ba`beta0gydF4y2Ba`首先拟合gydF4y2Ba`modelfungydF4y2Ba`没有随机效果和替换gydF4y2Ba`beta0gydF4y2Ba`与gydF4y2Ba`公测gydF4y2Ba`。的选择是gydF4y2Ba`“上”gydF4y2Ba`和gydF4y2Ba`“关闭”gydF4y2Ba`。默认值是gydF4y2Ba`“上”gydF4y2Ba`。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`“不变”gydF4y2Ba`。每个模型使用标准正态(高斯)变量定义误差gydF4y2BaegydF4y2Ba，函数值gydF4y2BafgydF4y2Ba，和一个或两个参数gydF4y2Ba一个gydF4y2Ba和gydF4y2BabgydF4y2Ba。的选择是:gydF4y2Ba `“不变”gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba+gydF4y2Ba一个gydF4y2BagydF4y2BaegydF4y2Ba `'成比例的'gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba+gydF4y2BabgydF4y2BagydF4y2BafgydF4y2BagydF4y2BaegydF4y2Ba `“组合”gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba+（gydF4y2Ba一个gydF4y2Ba+gydF4y2BabgydF4y2BagydF4y2BafgydF4y2Ba) gydF4y2BaegydF4y2Ba `“指数”gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba exp (gydF4y2Ba一个gydF4y2BagydF4y2BaegydF4y2Ba)，或相当于日志(gydF4y2BaygydF4y2Ba) =日志(gydF4y2BafgydF4y2Ba）+gydF4y2Ba一个gydF4y2BagydF4y2BaegydF4y2Ba 如果给定此参数，则输出gydF4y2Ba`stats.errorparamgydF4y2Ba`字段的值为gydF4y2Ba 一个gydF4y2Ba为gydF4y2Ba`“不变”gydF4y2Ba`和gydF4y2Ba`“指数”gydF4y2Ba` bgydF4y2Ba为gydF4y2Ba`'成比例的'gydF4y2Ba` (gydF4y2Ba一个gydF4y2BabgydF4y2Ba]gydF4y2Ba`“组合”gydF4y2Ba`
`ApproximationTypegydF4y2Ba`	用来近似模型的可能性的方法。的选择是:gydF4y2Ba `LME的gydF4y2Ba`-利用线性混合效应模型在当前条件估计的可能性gydF4y2Ba`公测gydF4y2Ba`和gydF4y2Ba`BgydF4y2Ba`。这是默认值。gydF4y2Ba `“RELME”gydF4y2Ba`- 使用用于线性混合效应模型在当前条件的估计的可能性受限gydF4y2Ba`公测gydF4y2Ba`和gydF4y2Ba`BgydF4y2Ba`。gydF4y2Ba `‘佛’gydF4y2Ba`- 一阶拉普拉斯近似无随机效应。gydF4y2Ba `“FOCE”gydF4y2Ba`- 在条件估计一阶拉普拉斯近似gydF4y2Ba`BgydF4y2Ba`。gydF4y2Ba
`向量化gydF4y2Ba`	参数的可接受大小gydF4y2Ba`PHIgydF4y2Ba`,gydF4y2Ba`XFUNgydF4y2Ba`和gydF4y2Ba`VFUNgydF4y2Ba`输入参数gydF4y2Ba`modelfungydF4y2Ba`。的选择是:gydF4y2Ba `“SinglePhi”gydF4y2Ba`- - - - - -gydF4y2Ba`modelfungydF4y2Ba`一次只能接受一组模型参数，那么gydF4y2Ba`PHIgydF4y2Ba`在每个调用中必须是一个单独的行向量。gydF4y2Ba`nlmefitgydF4y2Ba`调用gydF4y2Ba`modelfungydF4y2Ba`在一个循环中，如果必要的话，用一个gydF4y2Ba`PHIgydF4y2Ba`向量和gydF4y2Ba`XFUNgydF4y2Ba`每次包含单个观察或组的行。gydF4y2Ba`VFUNgydF4y2Ba`可能是适用于所有行的单行gydF4y2Ba`XFUNgydF4y2Ba`，或一个行与中行相对应的矩阵gydF4y2Ba`XFUNgydF4y2Ba`。这是默认值。gydF4y2Ba `“SingleGroup”gydF4y2Ba`- - - - - -gydF4y2Ba`modelfungydF4y2Ba`只能接受输入对应于单个组中的数据，那么gydF4y2Ba`XFUNgydF4y2Ba`必须包含gydF4y2Ba`XgydF4y2Ba`从单个组在每个呼叫。根据模型的不同，gydF4y2Ba`PHIgydF4y2Ba`是适用于整个组或每个观察值只有一行的矩阵的单行。gydF4y2Ba`VFUNgydF4y2Ba`为单行。gydF4y2Ba `“全部”gydF4y2Ba`- - - - - -gydF4y2Ba`modelfungydF4y2Ba`可以接受的数据的多个参数向量和多个组输入。或gydF4y2Ba`PHIgydF4y2Ba`要么gydF4y2Ba`VFUNgydF4y2Ba`可能是适用于所有行的单行gydF4y2Ba`XFUNgydF4y2Ba`或者是一个行对应于行的矩阵gydF4y2Ba`XFUNgydF4y2Ba`。这个选项可以通过减少调用的次数来提高性能gydF4y2Ba`modelfungydF4y2Ba`，但可能需要gydF4y2Ba`modelfungydF4y2Ba`以对单扩张gydF4y2Ba`PHIgydF4y2Ba`要么gydF4y2Ba`VgydF4y2Ba`。gydF4y2Ba
`CovParameterizationgydF4y2Ba`	指定内部用于缩放协方差矩阵的参数化。的选择是gydF4y2Ba`“胆固醇”gydF4y2Ba`对于Cholesky分解或gydF4y2Ba`“logm”gydF4y2Ba`矩阵对数。默认值是gydF4y2Ba`“logm”gydF4y2Ba`。gydF4y2Ba
`CovPatterngydF4y2Ba`	指定一个gydF4y2BargydF4y2Ba——- - - - - -gydF4y2BargydF4y2Ba逻辑或数字矩阵gydF4y2Ba`PgydF4y2Ba`这定义了随机效应协方差矩阵的模式gydF4y2Ba`ψgydF4y2Ba`。gydF4y2Ba`nlmefitgydF4y2Ba`估计对角线上的方差gydF4y2Ba`ψgydF4y2Ba`的非对角元素中的非零指定的协方差gydF4y2Ba`PgydF4y2Ba`。中零非对角元素对应的协方差gydF4y2Ba`PgydF4y2Ba`被限制为零。如果gydF4y2Ba`PgydF4y2Ba`不指定块对角矩阵的行，列置换，gydF4y2Ba`nlmefitgydF4y2Ba`增加了非零元素gydF4y2Ba`PgydF4y2Ba`根据需要。的默认值gydF4y2Ba`PgydF4y2Ba`是gydF4y2Ba`眼睛(右)gydF4y2Ba`，对应不相关随机效应。gydF4y2Ba 另外,gydF4y2Ba`PgydF4y2Ba`可能是1-by-gydF4y2BargydF4y2Ba中包含值的向量gydF4y2Ba`1: rgydF4y2Ba`具有相等的值指定组的随机效应。在这种情况下，gydF4y2Ba`nlmefitgydF4y2Ba`跨组只在组的估算协方差和约束协方差为零。gydF4y2Ba
`ParamTransformgydF4y2Ba`	一个向量的gydF4y2BapgydF4y2Ba- 值指定的变换函数gydF4y2BafgydF4y2Ba()为每个gydF4y2Ba`PgydF4y2Ba`参数:gydF4y2Ba`XBgydF4y2Ba`=gydF4y2Ba`动力gydF4y2Ba`gydF4y2Ba`BETAgydF4y2Ba`+gydF4y2Ba`BDESIGNgydF4y2Ba`gydF4y2Ba`BgydF4y2BaPHIgydF4y2Ba`=gydF4y2BafgydF4y2Ba(gydF4y2Ba`XBgydF4y2Ba`)。向量的每个元素必须是指定对应值的变换的以下整数编码之一:gydF4y2Ba 0：gydF4y2Ba`PHIgydF4y2Ba`=gydF4y2Ba`XBgydF4y2Ba`(所有参数默认值)gydF4y2Ba 1：登录（gydF4y2Ba`PHIgydF4y2Ba`）=gydF4y2Ba`XBgydF4y2Ba` 2: probit (gydF4y2Ba`PHIgydF4y2Ba`）=gydF4y2Ba`XBgydF4y2Ba` 3:分对数(gydF4y2Ba`PHIgydF4y2Ba`）=gydF4y2Ba`XBgydF4y2Ba`
`选项gydF4y2Ba`	返回的窗体的结构gydF4y2Ba`statsetgydF4y2Ba`。gydF4y2Ba`nlmefitgydF4y2Ba`使用以下gydF4y2Ba`statsetgydF4y2Ba`参数:gydF4y2Ba `“DerivStep”gydF4y2Ba`- 在有限差分梯度计算中使用的相对差。可以是一个标量，或者其长度的矢量是模型参数的数gydF4y2BapgydF4y2Ba。默认值是gydF4y2Ba`eps ^ (1/3)gydF4y2Ba`。gydF4y2Ba `“显示”gydF4y2Ba`-估计期间迭代显示的级别。的选择是:gydF4y2Ba `“关闭”gydF4y2Ba`（默认） - 不显示信息gydF4y2Ba `“最后一次”gydF4y2Ba`-显示最终迭代后的信息gydF4y2Ba `“通路”gydF4y2Ba`- 在每次迭代显示信息gydF4y2Ba `“FunValCheck”gydF4y2Ba`-检查无效值，例如gydF4y2Ba`南gydF4y2Ba`要么gydF4y2Ba`正gydF4y2Ba`从gydF4y2Ba`modelfungydF4y2Ba`。的选择是gydF4y2Ba`“上”gydF4y2Ba`和gydF4y2Ba`“关闭”gydF4y2Ba`。默认值是gydF4y2Ba`“上”gydF4y2Ba`。gydF4y2Ba `“麦克斯特”gydF4y2Ba`-允许的最大迭代次数。默认值是gydF4y2Ba`200gydF4y2Ba`。gydF4y2Ba `“OutputFcn”gydF4y2Ba`-函数句柄指定使用gydF4y2Ba`@gydF4y2Ba`，具有函数句柄的单元格数组或空数组(默认)。求解器在每次迭代后调用所有输出函数。gydF4y2Ba `“TolFun”gydF4y2Ba`-对数似然函数的终止容限。默认值是gydF4y2Ba`1的军医gydF4y2Ba`。gydF4y2Ba `“TolX”gydF4y2Ba`-估计的固定和随机效应的终止耐受性。默认值是gydF4y2Ba`1的军医gydF4y2Ba`。gydF4y2Ba
`OptimFungydF4y2Ba`	指定用于最大化可能性的优化函数。的选择是gydF4y2Ba`'fminsearch'gydF4y2Ba`使用gydF4y2Ba`fminsearchgydF4y2Ba`要么gydF4y2Ba`“fminunc”gydF4y2Ba`使用gydF4y2Ba`fminuncgydF4y2Ba`。默认值是gydF4y2Ba`'fminsearch'gydF4y2Ba`。您可以指定gydF4y2Ba`“fminunc”gydF4y2Ba`只有安装了优化工具箱™软件。gydF4y2Ba

例子gydF4y2Ba

全部收缩gydF4y2Ba

非线性Mixed-Effects模型gydF4y2Ba

开立真实脚本gydF4y2Ba

输入和五种橘树生长显示数据。gydF4y2Ba

CIRC = [30 58 87 115 120 142 145;33 69 111 156 172 203 203;30 51 75 108 115 139 140;32 62 112 167 179 209 214;30 49 81 125 142 174 177];时间= [118 484 664 1004 1231 1372 1582];h =情节(时间,保监会”,gydF4y2Ba“o”gydF4y2Ba,gydF4y2Ba“线宽”gydF4y2Ba2);包含(gydF4y2Ba“时间（天）”gydF4y2Ba）ylabel（gydF4y2Ba“圆周（毫米）”gydF4y2Ba)标题(gydF4y2Ba'{\ BF橙树生长}'gydF4y2Ba) ([repmat传奇(gydF4y2Ba“树”gydF4y2Ba5 1) num2str ((1:5) '),gydF4y2Ba…gydF4y2Ba'位置'gydF4y2Ba,gydF4y2Ba'NW'gydF4y2Ba网格)gydF4y2Ba上gydF4y2Ba持有gydF4y2Ba上gydF4y2Ba

使用匿名函数指定逻辑增长模型。gydF4y2Ba

模型= @（PHI，T）（PHI（：，1））./（1 + EXP（ - （叔PHI（：，2））./ PHI（：，3）））;gydF4y2Ba

使用以下方法拟合模型gydF4y2BanlmefitgydF4y2Ba默认设置(即假设每个参数是一个固定效果和一个随机效果的总和，随机效果之间不存在相关性):gydF4y2Ba

TIME = repmat（时间，5,1）;NUMS = repmat（（1：5）”，大小（时间））;beta0 = [100 100 100]。[β1，PSI1，stats1] = nlmefit（TIME（:)，CIRC（:)，NUMS（:)，gydF4y2Ba…gydF4y2Ba[],模型,beta0)gydF4y2Ba

beta1 =gydF4y2Ba3×1gydF4y2Ba191.3189 723.7608 346.2517gydF4y2Ba

形式=gydF4y2Ba3×3gydF4y2Ba962.1535 0 0 0 0.0000 0 0 0 297.9879gydF4y2Ba

stats1 =gydF4y2Ba同场的结构：gydF4y2BaDFE：28 logl：-131.5457 MSE：59.7882 RMSE：7.9016 errorparam：7.7323 AIC：277.0913 BIC：274.3574 covb：[3×3双]瑟伯塔：[15.2249 33.1579 26.8235] IRES：[35x1双] PRES：[35x1双] iwres：35x1加倍] pwres：[35x1双] cwres：[35x1双]gydF4y2Ba

第二个随机效应的可忽略的方差，gydF4y2Ba的形式(2,2)gydF4y2Ba，建议可以删除它以简化模型。gydF4y2Ba

[β2，PSI2，stats2，B2] = nlmefit（TIME（:)，CIRC（:)，gydF4y2Ba…gydF4y2Banum(:),[],模型,beta0,gydF4y2Ba“REParamsSelect”gydF4y2Ba1, [3])gydF4y2Ba

beta2 =gydF4y2Ba3×1gydF4y2Ba191.0490 722.5560 344.1624gydF4y2Ba

PSI2 =gydF4y2Ba2×2gydF4y2Ba991.1515 00 0.0000gydF4y2Ba

stats2 =gydF4y2Ba同场的结构：gydF4y2BaDFE：29 logl：-131.5846 MSE：61.5637 RMSE：7.9935 errorparam：7.8463 AIC：275.1692 BIC：272.8258 covb：[3×3双]瑟伯塔：[15.4462 33.6107 25.9579] IRES：[35x1双] PRES：[35x1双] iwres：35x1加倍] pwres：[35x1双] cwres：[35x1双]gydF4y2Ba

b2 =gydF4y2Ba2×5gydF4y2Ba-29.4038 31.5648 -37.0002 40.0183 -5.1791 0.0000 -0.0000 0.0000 -0.0000 -0.0000 -0.0000 -0.0000gydF4y2Ba

在对数似然gydF4y2BaloglgydF4y2Ba， Akaike和Bayesian信息标准(gydF4y2BaAICgydF4y2Ba和gydF4y2BabicgydF4y2Ba)被减少，支持从模型中删除第二万博1manbetx个随机效应的决定。gydF4y2Ba

使用估计的固定效果gydF4y2Baβ2gydF4y2Ba以及每棵树的估计随机效应gydF4y2Bab2gydF4y2Ba通过数据绘制模型。gydF4y2Ba

= repmat(beta2,1,5) +gydF4y2Ba…gydF4y2Ba%的固定效果gydF4y2Ba(b2(1:); 0(1、5);b2 (2:)];gydF4y2Ba％随机效应gydF4y2Batplot = 0:0.1:1600;gydF4y2Ba为gydF4y2Ba我= 1:5 fitted_model = @ (t)(φ(我))。/ (1 + exp (- (t-PHI(我)2)。/gydF4y2Ba…gydF4y2BaPHI（3，I）））;图（tplot，fitted_model（tplot）gydF4y2Ba“颜色”gydF4y2Ba中，h（I）。颜色，gydF4y2Ba…gydF4y2Ba“线宽”gydF4y2Ba, 2)gydF4y2Ba结束gydF4y2Ba