残差
拟合线性混合效应模型的残差
描述
输入参数
lme三个月
- - - - - -线性混合效应模型
LinearMixedModel
对象
线性混合效应模型,指定为aLinearMixedModel
使用fitlme
或fitlmematrix
.
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
有条件的
- - - - - -条件残差指标
真正的
(默认)|假
条件残差的指示器,指定为逗号分隔的对,由“条件”
下面是其中之一。
真正的 |
固定效应和随机效应的贡献(有条件的) |
假 |
仅来自固定效应的贡献(边际) |
例子:“条件”,假的
ResidualType
- - - - - -剩余的类型
“生”
(默认)|皮尔森的
|“标准化”
残差类型,由逗号分隔的对指定,由ResidualType
下面是其中之一。
剩余的类型 | 有条件的 | 边际 |
---|---|---|
“生” |
|
|
皮尔森的 |
|
|
“标准化” |
|
|
有关条件残差和边际残差以及残差方差的更多信息,请参见定义
在本页的末尾。
例子:“ResidualType”、“标准化”
例子
图残差与拟合值
加载样例数据。
负载(“weight.mat”);
重量
包含来自纵向研究的数据,其中20名受试者被随机分配到4个运动项目,他们的体重减轻记录在6个2周的时间段内。这是模拟数据。
将数据存储在表中。定义主题
而且程序
作为分类变量。
tbl = table(InitialWeight,Program,Subject,Week,y);资源描述。主题=名义(tb .Subject);资源描述。Program = nominal(tbl.Program);
拟合线性混合效应模型,其中初始权重、节目类型、周以及周和节目类型之间的相互作用是固定效应。截距和周因学科而异。
Lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');
计算拟合值和原始残差。
F = fitting (lme);R =残差(lme);
绘制残差与拟合值的关系。
情节(F R“软”)包含(的拟合值) ylabel (“残差”)
现在,绘制残差与拟合值,按程序分组。
图();gscatter (F R程序)
残差似乎在不同层次的程序中表现得与预期的相似。
计算条件和边际皮尔逊残差
加载样例数据。
负载carbig
将每加仑英里数(MPG)、加速度、马力、汽缸和车型年份等变量存储在一个表中。
tbl = table(MPG,加速度,马力,气缸,型号年);
拟合每加仑英里数(MPG)的线性混合效应模型,其中加速度、马力和气缸的固定效应,以及按模型年分组的截距和加速度的潜在相关随机效应。
Lme = fitlme(tbl,“MPG ~加速度+马力+气缸+(加速度|型号年)”);
计算条件皮尔逊残差并显示前五个残差。
PR =残差(lme,“ResidualType”,皮尔森的);公关(1:5)
ans =5×1-0.0533 0.0652 0.3655 -0.0106 -0.3340
计算边际皮尔逊残差并显示前五个残差。
PRM =剩余(lme,“ResidualType”,皮尔森的,“条件”、假);人口、难民和移民事务局(1:5)
ans =5×1-0.1250 0.0130 0.3242 -0.0861 -0.3006
检验残差
加载样例数据。
负载carbig
将每加仑英里数(MPG)、加速度、马力、汽缸和车型年份等变量存储在一个表中。
tbl = table(MPG,加速度,马力,气缸,型号年);
拟合每加仑英里数(MPG)的线性混合效应模型,其中加速度、马力和气缸的固定效应,以及按模型年分组的截距和加速度的潜在相关随机效应。
Lme = fitlme(tbl,“MPG ~加速度+马力+气缸+(加速度|型号年)”);
绘制正态拟合原始残差的直方图。
R =残差(lme);histfit(右)
正态分布似乎很适合残差。
计算条件皮尔逊和标准化残差,并创建所有三种残差类型的箱形图。
Pr =残差(lme,“ResidualType”,皮尔森的);St =残差(lme,“ResidualType”,“标准化”);X = [r pr st];箱线图(X)
红色加号表示残差高于或低于观测值 而且 ,在那里 而且 分别是25百分位和75百分位。
找到残差在均值上下2.5个标准差的观测值。
求(r > mean(r,“omitnan”) + 2.5*std(r,“omitnan”))
ans =7×162 252 255 330 337 341 396
Find (r < mean(r,“omitnan”) - 2.5*std(r,“omitnan”))
ans =3×1119 324 375
更多关于
条件剩余和边际剩余
条件残差包括固定和随机效应的贡献,而边际残差只包括固定效应的贡献。
假设线性混合效应模型lme三个月
有一个n——- - - - - -p固定效果设计矩阵X和一个n——- - - - - -问随机效应设计矩阵Z.同样,假设p-by-1估计固定效应向量为
,以及问-by-1估计的最佳线性无偏预测器(BLUP)随机效应的向量为
.拟合条件响应为
拟合的边际响应为
残差
可以返回三种残差:原始残差、皮尔逊残差和标准化残差。对于任何类型,都可以计算条件残差或边际残差。例如,条件原始残差为
边际原始残差为
有关其他类型的残差的更多信息,请参阅ResidualType
名称-值对参数。
Abrir比如
Tiene una versión modificada de este ejemplo。¿Desea abrir este ejemplo con sus modificaciones?
MATLAB突击队
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。