残差

类:LinearMixedModel

拟合线性混合效应模型的残差

展开全部页面

语法

R =残差(lme)

R =残差(lme，名称，值)

描述

例子

R=残差(lme三个月）从拟合的线性混合效应模型返回原始的条件残差lme三个月．

例子

R=残差(lme三个月，名称,值）返回线性混合效应模型的残差lme三个月带有一个或多个指定的附加选项名称,值对参数。

例如，您可以指定皮尔逊残差或标准化残差，或仅由固定效应贡献的残差。

输入参数

全部展开

`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

剩余的类型	有条件的	边际
`“生”`	$r_{我}^{C} ＝ {［ y - X \overset{＾}{β} - Z \overset{＾}{b} ］}_{我}$	$r_{我}^{米} ＝ {［ y - X \overset{＾}{β} ］}_{我}$
`皮尔森的`	$p r_{我}^{C} ＝ \frac{r_{我}^{C}}{{\sqrt{［ {\overset{＾}{V 一个 r}}_{y ， b} （ y - X β - Z b ）］}}_{我我}}$	$p r_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ y - X β ）］}_{我我}}}$
`“标准化”`	$年代 t_{我}^{C} ＝ \frac{r_{我}^{C}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{C} ）］}_{我我}}}$	$年代 t_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{米} ）］}_{我我}}}$

“生”

$r_{我}^{C} ＝ {［ y - X \overset{＾}{β} - Z \overset{＾}{b} ］}_{我}$

$r_{我}^{米} ＝ {［ y - X \overset{＾}{β} ］}_{我}$

皮尔森的

$p r_{我}^{C} ＝ \frac{r_{我}^{C}}{{\sqrt{［ {\overset{＾}{V 一个 r}}_{y ， b} （ y - X β - Z b ）］}}_{我我}}$

$p r_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ y - X β ）］}_{我我}}}$

“标准化”

$年代 t_{我}^{C} ＝ \frac{r_{我}^{C}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{C} ）］}_{我我}}}$

$年代 t_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{米} ）］}_{我我}}}$

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”

输出参数

全部展开

`R`-残差
n1的向量

拟合线性混合效应模型的残差lme三个月返回为n-by-1向量，其中n是观测的数量。

例子

全部展开

图残差与拟合值

打开实时脚本

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”）

图中包含一个轴对象。axis对象包含一个line类型的对象。

现在，绘制残差与拟合值，按程序分组。

图();gscatter (F R程序)

图中包含一个轴对象。axis对象包含4个line类型的对象。这些物体代表A, B, C, D。

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

打开实时脚本

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

打开实时脚本

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)

图中包含一个轴对象。axis对象包含两个类型为bar、line的对象。

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)

图中包含一个轴对象。axis对象包含21个line类型的对象。

红色加号表示残差高于或低于观测值 $问 3. + 1 ． 5 （问 3. - 问 1 ）$ 而且 $问 1 - 1 ． 5 （问 3. - 问 1 ）$ ,在那里 $问 1$ 而且 $问 3.$ 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

另请参阅

LinearMixedModel|安装|plotResiduals|响应

残差

语法

描述

输入参数

`lme三个月`- - - - - -线性混合效应模型
`LinearMixedModel`对象

名称-值参数

`有条件的`- - - - - -条件残差指标
`真正的`(默认)|`假`

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

输出参数

`R`-残差
n1的向量

例子

图残差与拟合值

计算条件和边际皮尔逊残差

检验残差

更多关于

条件剩余和边际剩余

另请参阅

残差

语法

描述

输入参数

lme三个月- - - - - -线性混合效应模型LinearMixedModel对象

名称-值参数

有条件的- - - - - -条件残差指标真正的(默认)|假

ResidualType- - - - - -剩余的类型“生”(默认)|皮尔森的|“标准化”

输出参数

R-残差n1的向量

例子

图残差与拟合值

计算条件和边际皮尔逊残差

检验残差

更多关于

条件剩余和边际剩余

另请参阅

`lme三个月`- - - - - -线性混合效应模型
`LinearMixedModel`对象

`有条件的`- - - - - -条件残差指标
`真正的`(默认)|`假`

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

`R`-残差
n1的向量