主要内容

马尔梅恩

类别:重复测量模型

估计边际均值

描述

实例

tbl=平均值(rm,瓦尔斯)返回变量的估计边际平均值瓦尔斯,在桌子上tbl.

实例

tbl=平均值(rm,瓦尔斯,α,阿尔法)返回100*(1-阿尔法)%边际均值的置信区间。

输入参数

全部展开

重复测量模型,返回为重复测量模型对象

有关此对象的属性和方法,请参见重复测量模型.

用于计算边际平均值的变量,指定为字符向量或字符串标量,表示主题间或主题内因子的名称rm,或表示多个变量名称的字符向量的字符串数组或单元格数组。每个受试者之间的因素必须是分类的。

例如,如果您想计算变量Drug和Gender的边际均值,那么您可以指定如下。

例子:{‘毒品’,‘性别}

数据类型:烧焦|一串|单间牢房

总体边际平均值置信区间的显著性水平,指定为0到1范围内的标量值。置信水平为100*(1–阿尔法)%.

例如,您可以指定99%的置信水平,如下所示。

例子:“阿尔法”,0.01

数据类型:双重的|仅有一个的

输出参数

全部展开

以表格形式返回的估计边际平均值。tbl为中指定的变量组的每个组合包含一行瓦尔斯,每个变量一列,以及以下列。

列名 描述
意思是 估计边际平均数
斯特德尔 估计的标准误差
降低 真实总体平均值的95%置信区间下限
上面的 真实总体平均值95%置信区间的上限

例子

全部展开

加载示例数据。

负载重复

桌子之间包括受试者之间的变量年龄、智商、群体、性别和八个重复测量y1y8作为回应,在桌子上在内部包括主题变量中的w1w2.这是模拟数据。

拟合重复测量模型,其中重复测量y1y8是反应,年龄、智商、群体、性别和群体性别互动是预测变量。还指定受试者内设计矩阵。

rm=fitrm(介于,“y1-y8~组*性别+年龄+智商”,“未经设计”,内);

计算按因子分组的边际均值性别.

M=平均值(rm{“集团”“性别”})
M=6×6表中国的男性4.4 4 4.4 4 4.4 4 4.4 4 4.4 4 4.4 4 4.4 4 4.4 4 4.4 4 4.2007年7.7 7 7.7男性8.0726 5.7226 5 5.7 7 7 7 7.7 7 7 7 7 7 7 7.7 7 7 7 7 7 7 7 7.7 7 7 7-3.7 19.19.19.19.943 3 3.19.19.19.943 B女性11.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.3 B女性11.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.19.3 3-13.551 5.7283-25.431-1.6712

显示表M的说明。

M.Properties.Description
ans='估计的边际平均值是指年龄=13.7,智商=98.2667计算得出的平均值'

加载示例数据。

负载鱼腥草

列向量,,由三种不同种类的鸢尾花组成,分别为刚毛鸢尾、杂色鸢尾和弗吉尼亚鸢尾梅斯包括花的四种测量类型,萼片和花瓣的长度和宽度分别以厘米为单位。

将数据存储在表数组中。

t=表(物种、多边环境协定(:,1)、多边环境协定(:,2)、多边环境协定(:,3)、多边环境协定(:,4),...“变化无常”,{“物种”,“我是1”,“meas2”,“meas3”,“meas4”}); Meas=数据集([1 2 3 4]”,“VarNames”,{“测量”});

拟合重复测量模型,其中测量值为响应,物种为预测变量。

rm=fitrm(t,“meas1-meas4~物种”,“未经设计”,Meas);

计算按因子种类分组的边际平均数。

平均值(rm,“物种”)
ans=3×5表物种的平均值为上下下两级2.5355 0.042807 2.4509 2.6201{3.573 0.042807 3.4884}

斯特德罗字段显示估计的边际平均值的标准误差降低上面的字段分别显示组边际均值95%置信区间的下限和上限。所有置信区间均不重叠,这表明边际均值因物种而异。您还可以使用绘图剖面方法

计算边际均值的99%置信区间。

平均值(rm,“物种”,“阿尔法”,0.01)
ans=3×5表物种的平均值为:斯特德尔下上(StdErr Lower Upper)(Uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu