最新のリリースでは,このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。
非线形混合效果の推定
的β= nlmefit(X,Y,组,V,乐趣,beta0)
(β,PSI) = nlmefit (X, y,, V,有趣,beta0)
[β,PSI,统计]= nlmefit (X, y,, V,有趣,beta0)
[β,PSI,统计数据,B] = nlmefit (X, y,, V,有趣,beta0)
-β,PSI,统计数据,B] = nlmefit(X,Y,组,V,乐趣,beta0,”名称
”,价值
)
的β= nlmefit(X,Y,组,V,乐趣,beta0)
は,非线形混合效果の回帰モデルを近似し,公测
に固定効果の推定を返します。既定の設定では,nlmefit
は,各パラメーターが固定効果と変量効果の和となり,変量効果が無相関となる(変量効果の共分散行列が対角行列である)モデルを近似します。
X
はh予測子におけるn個の観測のn行h列の行列です。
y
はn行1列の応答ベクトルです。
组
は,観測値のm個のグループを示すグループ化変数です。组
は,カテゴリカル変数,数値ベクトル,各行がグループ名に対応する文字行列,串配列,または文字ベクトルの细胞配列です。グループ化変数の详细は,グループ化変数を参照してください。
V
はg個のグループ固有の予測子のm行g列の行列または细胞配列です。これらの予測子は,グループ内のすべての観測に対して同じ値を取ります。V
の行は,grp2idx(组)
で指定された順序に従って,grp2idx
を使用して,グループに割り当てられます。グループ予測子のサイズがグループ全体で変化する場合,V
に细胞配列を使用します。グループ固有の予测子がない场合は,V
に[]
を使用します。
有趣的
は,予測子値とモデルパラメーターを受け入れ,近似値を返す関数のハンドルです。有趣的
は,以下の形式になります。
yfit = modelfun(φ,XFUN VFUN)
引数は,次のようになります。
φ
——モデルパラメーターの1行p列のベクトル。
XFUN
——予測子のk行h列の配列。ここで,kは次のようになります。
k = 1 (XFUN
がX
の単一行の场合)
K = N我(XFUN
がサイズñ我の単一グループに対するX
の行を含む场合)
k = n (XFUN
がX
のすべての行を含む场合)
VFUN
——グループ固有の予測子。次のいずれかで与えられます。
単一グループまたはV
の単一行に対応する1行克列のベクトル。
n行g列の配列。ここで,次の場合,j行目はV (我
:)です.番目の観測がグループ我
に含まれる場合。
V
が空の场合,nlmefit
は2つの入力でmodelfun
を呼び出します。
yfit
——近似値のk行1列のベクトル
φ
またはVFUN
のいずれかが単一行を含む場合,その行は他の2つの入力引数のすべての行に対応します。
modelfun
が1回の呼び出しでモデルパラメーターの複数のベクトルに対してyfit
を計算できる場合,“矢量”
パラメーター(後述)を使用するとパフォーマンスが向上します。
beta0
は,Qの固定效果に対する初期推定をもつq行1列のベクトルです。既定の设定では,Qはモデルパラメーター数pです。
nlmefit
は,統合した変量効果で周辺尤度への近似を最大化することでモデルを近似します。ここで,以下の内容を仮定します。
変量效果は多変量正规分布で,グループ间で独立している。
観测误差は互いに独立で同一の正规分布に従い,変量效果から独立している。
(β,PSI) = nlmefit (X, y,, V,有趣,beta0)
は,変量効果に対する行r列の推定された共分散行列,PSI
も返します。既定の設定では,rはモデルパラメーター数pと等しくなります。
[β,PSI,统计]= nlmefit (X, y,, V,有趣,beta0)
は以下のフィールドをもつ统计
构造体も返します。
教育部
——モデルに対する誤差自由度
logl
- 近似したモデルに対する最大対数尤度
RMSE
——推定誤差分散の平方根(指数
誤差モデルの対数スケールで計算)
errorparam
- 误差分散モデルの推定パラメーター
另类投资会议
——赤池情報量基準。另类投资会议
= -2 *logl
+ 2 *numParam
により計算されます。ここで,numParam
は近似パラメーター(変量效果の共分散行列の自由度,固定效果の个数,误差モデルのパラメーターの个数など)の个数,logl
は構造体统计
のフィールドです。
bic
——ベイズ情報量基準。bic
= 2 *logl
+日志(米
)*numParam
のように計算します。
米
は,グループの数です。
numParam
とlogl
は,另类投资会议
で定義されます。
一部の文献では,bic
の計算をbic
= -2 *logl
+日志(N
)*numParam
としています。N
は観测数です。
covb
——パラメーター推定の推定された共分散行列を返します。
瑟伯塔
- 以下に対する标准误差公测
IRES
- 母集団の残差(Y-y_population)
。ここでy_population
は,個別の予測値です。
PRES
- 母集団の残差(Y-y_population)
。ここでy_population
は,母集団の予测値です。
本方案
- 个别の重み付きの残差
pwres
——母集団の重み付きの残差
cwres
- 条件付き重み付きの残差
[β,PSI,统计数据,B] = nlmefit (X, y,, V,有趣,beta0)
は,米个のグループに対して推定された変量效果のř行米列の行列,B
も返します。既定の設定では,rはモデルパラメーター数pと等しくなります。
-β,PSI,统计数据,B] = nlmefit(X,Y,组,V,乐趣,beta0,”
は1つまたは複数の名前と値のペアをオプションで指定します。一重引用符で囲んで名称
”,价值
)名称
を指定します。
既定とは異なるモデルを近似するには,以下のパラメーターを使用します(既定のモデルは,FEConstDesign
とREConstDesign
の両方を眼(p)的
に设定するか,FEParamsSelect
とREParamsSelect
の両方を1:对
に设定することにより得られます)。'FE'
の接頭辞をもつパラメーターと,'回覆'
の接头辞をもつパラメーターを最大で1つ使用します。关数nlmefit
では,少なくとも1つの固定効果と1つの変量効果を指定する必要があります。
パラメーター | 値 |
---|---|
FEParamsSelect |
|
FEConstDesign |
p行列の計画行列 |
FEGroupDesign |
m個のグループごとに異なるp行列の固定効果の計画行列を指定するp x x m配列。 |
FEObsDesign |
n個の観測ごとに異なるp行列の固定効果の計画行列を指定するp q x n配列。 |
REParamsSelect |
|
REConstDesign |
p行r列の計画行列 |
REGroupDesign |
米个のグループごとに异なるp行ř列の変量效果の计画行列を指定するP×R个×m个配列。 |
REObsDesign |
Ñ个の観测ごとに异なるp行ř列の変量效果の计画行列を指定するP×R个×n个配列。 |
尤度を最大にするための反复アルゴリズムを制御するには,以下のパラメーターを使用します。
参数 |
値 |
---|---|
RefineBeta0 |
|
ErrorModel |
误差项の形式を指定する文字ベクトルまたは串スカラー。既定値は
このパラメーターが指定された场合,出力される
|
ApproximationType |
モデルの尤度を近似するために使用する手法。选択肢は,以下のとおりです。
|
矢量 |
|
CovParameterization |
スケーリングされた共分散行列に対して内部的に使用されるパラメーター表现を指定します。选択肢は,コレスキー分解の场合は |
CovPattern |
ř行ř列の逻辑行列または数値行列 または, |
ParamTransform |
|
选项 |
|
OptimFun |
尤度の最大化で使用する最適化関数を指定します。選択肢は, |
[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。”生物识别技术。卷。46,1990,第673-687。
[2]大卫安,M.,和D. M.吉尔蒂南。重复测量数据的非线性模型。纽约:查普曼与霍尔出版社,1995年。
[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。计算和图形统计杂志。1995年第4卷,第12-35页。
混合模型:理论与应用。新泽西州霍博肯:约翰威利父子公司,2004年。