RepeatedMeasuresModel类GydF4y2Ba

重复测量模型类GydF4y2Ba

扩大所有页面GydF4y2Ba

描述GydF4y2Ba

一个GydF4y2BaRepeatedMeasuresModelGydF4y2Ba对象表示装配到数据与每个受试者的多次测量的模型。所述对象包括数据，拟合系数，协方差参数，设计矩阵，误差自由度，和间和因子名字的重复测量模型的受试者内。您可以使用预测模型响应GydF4y2Ba预测GydF4y2Ba方法和产生在使用新的设计点的随机数据GydF4y2Ba随机GydF4y2Ba方法。GydF4y2Ba

施工GydF4y2Ba

您可以使用适合重复测量模型GydF4y2Bafitrm（T，modelspec）GydF4y2Ba。GydF4y2Ba

输入参数GydF4y2Ba

展开全部GydF4y2Ba

输入数据，它包括响应变量和主体之间，因子的值作为重复测量模型预测，指定为表来使用。GydF4y2Ba

数据类型：GydF4y2Ba表GydF4y2Ba

公式模型说明书中，指定为以下形式的字符向量或标量串GydF4y2Ba'Y1-YK〜术语'GydF4y2Ba。指定使用威尔金森表示法的条款。GydF4y2BafitrmGydF4y2Ba在治疗模型项作为分类使用，如果它们是分类（名义或有序）的变量，逻辑的，字符数组，字符串数组，或字符向量的单元阵列。GydF4y2Ba

例：GydF4y2Ba'Y1-Y4〜X1 + X2 * X3'GydF4y2Ba

数据类型：GydF4y2Ba烧焦GydF4y2Ba|GydF4y2Ba串GydF4y2Ba

属性GydF4y2Ba

展开全部GydF4y2Ba

设计主体间因子和重复测量，存储为表中的值。GydF4y2Ba

数据类型：GydF4y2Ba表GydF4y2Ba

模型主体间因子，存储为字符向量。该特征向量是文本表示的波浪线在你使用拟合重复测量模型时提供型号规格的权利GydF4y2BafitrmGydF4y2Ba。GydF4y2Ba

数据类型：GydF4y2Ba烧焦GydF4y2Ba

中作为主体间因子的重复测量模型变量名称，GydF4y2BaR MGydF4y2Ba，存储为字符向量的单元阵列。GydF4y2Ba

数据类型：GydF4y2Ba细胞GydF4y2Ba

变量的名称用作重复测量模型响应变量，GydF4y2BaR MGydF4y2Ba，存储为字符向量的单元阵列。GydF4y2Ba

数据类型：GydF4y2Ba细胞GydF4y2Ba

的受试者内因素的值，作为表格存储。GydF4y2Ba

数据类型：GydF4y2Ba表GydF4y2Ba

模型受试者内因素的影响，存储为字符向量。GydF4y2Ba

您可以指定GydF4y2BaWithinModelGydF4y2Ba作为一个字符向量或使用点符号串标量：GydF4y2BaMdl.WithinModel = newWithinModelValueGydF4y2Ba。GydF4y2Ba

的受试者内因素的影响，存储为字符向量的单元阵列的名称。GydF4y2Ba

数据类型：GydF4y2Ba细胞GydF4y2Ba

对于作为主体间模型中的项的函数拟合重复测量的估计系数的值存储为一个表。GydF4y2Ba

fitrm”GydF4y2Ba定义了用于使用“效果”编码，该装置的系数总和为0没有为除了第每一级一个系数的分类项的系数。用于第一级的隐含系数是其它系数为项之和。GydF4y2Ba

可以使用作为基质显示的系数值，而不是表GydF4y2BaCOEF = r.Coefficients {：，：}GydF4y2Ba。GydF4y2Ba

您可以显示使用各级边际均值GydF4y2BamargmeanGydF4y2Ba方法。GydF4y2Ba

数据类型：GydF4y2Ba表GydF4y2Ba

估计响应协方差，即，重复测量，存储为表中的协方差。GydF4y2BafitrmGydF4y2Ba计算平均值附近被安装重复测量模型返回的协方差GydF4y2BaR MGydF4y2Ba。GydF4y2Ba

您可以使用作为一个矩阵显示器的协方差值，而不是一个表GydF4y2BaCOEF = r.Covariance {：，：}GydF4y2Ba。GydF4y2Ba

数据类型：GydF4y2Ba表GydF4y2Ba

误差自由度，存储为标量值。GydF4y2BaDFEGydF4y2Ba是观测值的数量减去估计系数在受试者之间的模型的数目。GydF4y2Ba

数据类型：GydF4y2Ba双GydF4y2Ba

方法GydF4y2Ba

方差分析GydF4y2Ba 方差分析学科间效应GydF4y2Ba
小量GydF4y2Ba 小量调整重复测量方差分析GydF4y2Ba
grpstatsGydF4y2Ba 按组重复测量数据的计算描述性统计GydF4y2Ba
方差分析GydF4y2Ba 多元方差分析GydF4y2Ba
margmeanGydF4y2Ba 估计边际均值GydF4y2Ba
莫齐利GydF4y2Ba 莫齐利的测试球GydF4y2Ba
multcompareGydF4y2Ba 的估计边际均值多重比较GydF4y2Ba
情节GydF4y2Ba 可选的分组数据绘制GydF4y2Ba
plotprofileGydF4y2Ba 绘制可选分组预期边际手段GydF4y2Ba
预测GydF4y2Ba 计算预测值特定的预测值GydF4y2Ba
随机GydF4y2Ba 新生成随机响应值给出的预测值GydF4y2Ba
朗诺GydF4y2Ba 重复测量的方差分析GydF4y2Ba

例子GydF4y2Ba

全部收缩GydF4y2Ba

开立真实脚本GydF4y2Ba

加载样本数据。GydF4y2Ba

加载GydF4y2BafisheririsGydF4y2Ba

列向量，GydF4y2Ba种类GydF4y2Ba，由三个不同品种的花菖蒲：setosa，云芝，弗吉尼亚。双矩阵GydF4y2BaMEASGydF4y2Ba由四种类型的花朵上测量的：分别在厘米萼片和花瓣的长度和宽度。GydF4y2Ba

在表阵列存储数据。GydF4y2Ba

T =表（物种，MEAS（：，1），MEAS（：，2），MEAS（：，3），MEAS（：，4），GydF4y2Ba...GydF4y2Ba'VariableNames'GydF4y2Ba{GydF4y2Ba'种类'GydF4y2Ba，GydF4y2Ba'MEAS1'GydF4y2Ba，GydF4y2Ba'MEAS2'GydF4y2Ba，GydF4y2Ba'meas3'GydF4y2Ba，GydF4y2Ba'meas4'GydF4y2Ba}）;MEAS =表（[1 2 3 4]”，GydF4y2Ba'VariableNames'GydF4y2Ba{GydF4y2Ba'测量'GydF4y2Ba}）;GydF4y2Ba

适合重复测量模型，其中测量的响应和种类是预测变量。GydF4y2Ba

RM = fitrm（T，GydF4y2Ba“MEAS1-meas4〜物种GydF4y2Ba，GydF4y2Ba'WithinDesign'GydF4y2Ba，测量）键GydF4y2Ba
RM = RepeatedMeasuresModel与属性：BetweenDesign：[150x5表] ResponseNames：主体间{ 'MEAS1' 'MEAS2' 'meas3' 'meas4'} BetweenFactorNames：{ '物种'} BetweenModel：'1个+物种在主题：WithinDesign：[4X1表] WithinFactorNames：{ '测量'} WithinModel： 'separatemeans' 的估算值：系数：3×4表]协方差：[4×4表]GydF4y2Ba

显示系数。GydF4y2Ba

rm.CoefficientsGydF4y2Ba
ANS =GydF4y2Ba3×4表GydF4y2BaMEAS1 MEAS2 meas3 meas4 ________ ______ ________（截距）5.8433 3.0573 3.758 1.1993 species_setosa -0.83733 0.37067 -2.296 -0.95333 species_versicolor 0.092667 -0.28733 0.502 0.12667GydF4y2Ba

fitrmGydF4y2Ba使用GydF4y2Ba“效果”GydF4y2Ba对比，这意味着系数总和为0。GydF4y2Barm.DesignMatrixGydF4y2Ba具有用于截距中1的一列，和其他两列GydF4y2Baspecies_setosaGydF4y2Ba和GydF4y2Baspecies_versicolorGydF4y2Ba，其如下所示：GydF4y2Ba

小号GydF4y2Ba pGydF4y2Ba ËGydF4y2Ba CGydF4y2Ba 一世GydF4y2Ba ËGydF4y2Ba 小号GydF4y2Ba _GydF4y2Ba 小号GydF4y2Ba ËGydF4y2Ba ŤGydF4y2Ba ØGydF4y2Ba 小号GydF4y2Ba 一个GydF4y2Ba =GydF4y2Ba {GydF4y2Ba 1GydF4y2Ba ，GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba 小号GydF4y2Ba ËGydF4y2Ba ŤGydF4y2Ba ØGydF4y2Ba 小号GydF4y2Ba 一个GydF4y2Ba 0GydF4y2Ba ，GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba ËGydF4y2Ba [RGydF4y2Ba 小号GydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba ØGydF4y2Ba 升GydF4y2Ba ØGydF4y2Ba [RGydF4y2Ba -GydF4y2Ba 1GydF4y2Ba ，GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba 一世GydF4y2Ba [RGydF4y2Ba GGydF4y2Ba 一世GydF4y2Ba ñGydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba 一个GydF4y2Ba

和GydF4y2Ba

小号GydF4y2Ba pGydF4y2Ba ËGydF4y2Ba CGydF4y2Ba 一世GydF4y2Ba ËGydF4y2Ba 小号GydF4y2Ba _GydF4y2Ba vGydF4y2Ba ËGydF4y2Ba [RGydF4y2Ba 小号GydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba ØGydF4y2Ba 升GydF4y2Ba ØGydF4y2Ba [RGydF4y2Ba =GydF4y2Ba {GydF4y2Ba 0GydF4y2Ba ，GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba 小号GydF4y2Ba ËGydF4y2Ba ŤGydF4y2Ba ØGydF4y2Ba 小号GydF4y2Ba 一个GydF4y2Ba 1GydF4y2Ba ，GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba ËGydF4y2Ba [RGydF4y2Ba 小号GydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba ØGydF4y2Ba 升GydF4y2Ba ØGydF4y2Ba [RGydF4y2Ba -GydF4y2Ba 1GydF4y2Ba ，GydF4y2Ba 一世GydF4y2Ba FGydF4y2Ba vGydF4y2Ba 一世GydF4y2Ba [RGydF4y2Ba GGydF4y2Ba 一世GydF4y2Ba ñGydF4y2Ba 一世GydF4y2Ba CGydF4y2Ba 一个GydF4y2Ba 。GydF4y2Ba

显示的协方差矩阵。GydF4y2Ba

rm.CovarianceGydF4y2Ba
ANS =GydF4y2Ba4×4表GydF4y2BaMEAS1 MEAS2 meas3 meas4 ________ ________ ________ ________ MEAS1 0.26501 0.092721 0.16751 0.038401 0.092721 MEAS2 0.11539 0.055244 0.03271 meas3 0.16751 0.055244 0.18519 0.042665 0.038401 meas4 0.03271 0.042665 0.041882GydF4y2Ba

显示错误自由度。GydF4y2Ba

rm.DFEGydF4y2Ba
ANS = 147GydF4y2Ba

误差自由度是观测值的数量减去估计系数在受试者之间的模型的数目，例如150 - 3 = 147。GydF4y2Ba

更多关于GydF4y2Ba

展开全部GydF4y2Ba

也可以看看GydF4y2Ba

主题GydF4y2Ba

统计和机器学习工具箱文档GydF4y2Ba
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLABGydF4y2Ba

掌握机器学习：有步骤，分步指南与MATLABGydF4y2Ba

下载电子书GydF4y2Ba