这是一款没有任何特殊版本的咖啡。你可以把你的名字写在这张卡片上。
LinearMixedModel |
线性混合效果模型类 |
fitlme |
拟合线性混合效应模型 |
fitlmematrix |
拟合线性混合效应模型 |
disp |
显示线性混合效果模型 |
预测 |
预测线性混合效应模型的响应 |
随机 |
从拟合线性混合效应模型中产生随机响应 |
fixedEffects |
估计固定效应和相关统计 |
randomEffects |
随机效应估计及相关统计 |
designMatrix |
固定和随机效应设计矩阵 |
安装 |
线性混合效应模型的拟合响应 |
响应 |
线性混合效应模型的响应向量 |
方差分析 |
线性混合效应模型的方差分析 |
coefCI |
线性混合效应模型系数的置信区间 |
coefTest |
线性混合效应模型的固定效应和随机效应的假设检验 |
比较 |
比较线性混合效应模型 |
covarianceParameters |
提取线性混合效应模型的协方差参数 |
plotPartialDependence |
创建部分依赖图(PDP)和个体条件期望图(ICE) |
plotResiduals |
线性混合效应模型的残差图 |
残差 |
拟合线性混合效应模型的残差 |
以正确的形式存储数据,以适合线性混合效果模型。
理解线性混合效应模型中模型公式与设计矩阵之间的关系。
这个例子展示了如何拟合和分析线性混合效应模型(LME)。
这个例子展示了如何拟合混合效果的线性样条模型。
线性混合效应模型是线性回归模型的扩展,用于分组收集和汇总数据。
线性混合效应模型中参数估计最常用的两种方法是极大似然法和限制极大似然法。
威尔金森符号提供了一种方法来描述回归和重复测量模型,而不指定系数值。