非线性混合效应估计gydF4y2Ba
的β= nlmefit(X,Y,组,V,乐趣,beta0)gydF4y2Ba
(β,PSI) = nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
[β,PSI,统计]= nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
[β,PSI,统计数据,B] = nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
-β,PSI,统计数据,B] = nlmefit(X,Y,组,V,乐趣,beta0,”gydF4y2Ba名称gydF4y2Ba
',gydF4y2Ba值gydF4y2Ba
)gydF4y2Ba
的β= nlmefit(X,Y,组,V,乐趣,beta0)gydF4y2Ba
对非线性混合效应回归模型进行拟合,得到固定效应的估计结果gydF4y2BaβgydF4y2Ba
。默认情况下,gydF4y2BanlmefitgydF4y2Ba
适合一个模型,其中每个参数是一个固定和一个随机效应的和,随机效应是不相关的(它们的协方差矩阵是对角的)。gydF4y2Ba
XgydF4y2Ba
是一个gydF4y2BangydF4y2Ba-通过-gydF4y2BahgydF4y2Ba矩阵的gydF4y2BangydF4y2Ba上观察gydF4y2BahgydF4y2Ba预测。gydF4y2Ba
ygydF4y2Ba
是一个gydF4y2BangydF4y2Ba-乘1的响应向量。gydF4y2Ba
组gydF4y2Ba
是指示分组变量gydF4y2Ba米gydF4y2Ba团体的意见。gydF4y2Ba组gydF4y2Ba
是一个分类变量、一个数字向量、一个字符矩阵,其中包含用于组名称的行、一个字符串数组或一个字符向量的单元数组。有关分组变量的更多信息,请参见gydF4y2Ba分组变量gydF4y2Ba。gydF4y2Ba
VgydF4y2Ba
是一个gydF4y2Ba米gydF4y2Ba-通过-gydF4y2BaggydF4y2Ba的矩阵或单元阵列gydF4y2BaggydF4y2Ba类属特异性的预测因子。这些是对组中所有观察值取相同值的预测器。的行gydF4y2BaVgydF4y2Ba
被分配到组使用gydF4y2Bagrp2idxgydF4y2Ba
,按照……指定的顺序gydF4y2Bagrp2idx(组)gydF4y2Ba
。使用的电池阵列gydF4y2BaVgydF4y2Ba
如果组的预测的大小横跨基团而改变。采用gydF4y2Ba[]gydF4y2Ba
为gydF4y2BaVgydF4y2Ba
如果没有特定于组的谓词。gydF4y2Ba
有趣的gydF4y2Ba
是一个句柄到接受预测值和模型参数,并返回拟合值的函数。gydF4y2Ba有趣的gydF4y2Ba
具有形式gydF4y2Ba
yfit = modelfun(φ,XFUN VFUN)gydF4y2Ba
这些参数是:gydF4y2Ba
φgydF4y2Ba
——1gydF4y2BapgydF4y2Ba模型参数向量。gydF4y2Ba
XFUNgydF4y2Ba
- 一个gydF4y2BakgydF4y2Ba-通过-gydF4y2BahgydF4y2Ba谓词数组,其中:gydF4y2Ba
kgydF4y2Ba= 1,如果gydF4y2BaXFUNgydF4y2Ba
是单排的吗gydF4y2BaXgydF4y2Ba
。gydF4y2Ba
kgydF4y2Ba=gydF4y2BangydF4y2Ba我gydF4y2Ba如果gydF4y2BaXFUNgydF4y2Ba
包含的行gydF4y2BaXgydF4y2Ba
对于尺寸的单个组gydF4y2BangydF4y2Ba我gydF4y2Ba。gydF4y2Ba
kgydF4y2Ba=gydF4y2BangydF4y2Ba如果gydF4y2BaXFUNgydF4y2Ba
包含所有行gydF4y2BaXgydF4y2Ba
。gydF4y2Ba
VFUNgydF4y2Ba
-特定于组的预测因子:gydF4y2Ba
1 -gydF4y2BaggydF4y2Ba向量对应于单组和单行gydF4y2BaVgydF4y2Ba
。gydF4y2Ba
一个gydF4y2BangydF4y2Ba-通过-gydF4y2BaggydF4y2Ba数组,gydF4y2BajgydF4y2Ba个行是V(gydF4y2Ba我gydF4y2Ba
:)如果gydF4y2BajgydF4y2Ba观察分组gydF4y2Ba我gydF4y2Ba
。gydF4y2Ba
如果gydF4y2BaVgydF4y2Ba
是空的,gydF4y2BanlmefitgydF4y2Ba
调用gydF4y2BamodelfungydF4y2Ba
仅具有两个输入。gydF4y2Ba
yfitgydF4y2Ba
- 一个gydF4y2BakgydF4y2Ba×1拟合值的矢量gydF4y2Ba
当gydF4y2BaφgydF4y2Ba
或gydF4y2BaVFUNgydF4y2Ba
包含单个行,它对应于其他两个输入参数中的所有行。gydF4y2Ba
如果gydF4y2BamodelfungydF4y2Ba
可以计算gydF4y2BayfitgydF4y2Ba
对于每个调用的多个模型参数向量,请使用gydF4y2Ba向量化的gydF4y2Ba
参数(稍后将进行描述)以改进性能。gydF4y2Ba
beta0gydF4y2Ba
是gydF4y2Ba问gydF4y2Ba-乘1向量,初始估计为gydF4y2Ba问gydF4y2Ba固定效果。默认情况下,gydF4y2Ba问gydF4y2Ba是模型参数的个数gydF4y2BapgydF4y2Ba。gydF4y2Ba
nlmefitgydF4y2Ba
通过近似最大化与集成了随机效应的边际可能性,假定符合模型:gydF4y2Ba
随机效应是多元正态分布,组间独立。gydF4y2Ba
观测误差是独立的,恒等正态分布,与随机效应无关。gydF4y2Ba
(β,PSI) = nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
也回报gydF4y2BaPSIgydF4y2Ba
,一个gydF4y2BargydF4y2Ba-通过-gydF4y2BargydF4y2Ba估计的协方差矩阵为随机效应。默认情况下,gydF4y2BargydF4y2Ba等于模型参数的个数gydF4y2BapgydF4y2Ba。gydF4y2Ba
[β,PSI,统计]= nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
也回报gydF4y2Ba统计数据gydF4y2Ba
,具有字段的结构:gydF4y2Ba
教育部gydF4y2Ba
-模型的误差自由度gydF4y2Ba
loglgydF4y2Ba
-拟合模型的最大对数似然gydF4y2Ba
rmsegydF4y2Ba
-估计误差方差的平方根(在对数尺度上计算gydF4y2Ba指数gydF4y2Ba
误差模型)gydF4y2Ba
errorparamgydF4y2Ba
- 误差方差模型的估计参数gydF4y2Ba
另类投资会议gydF4y2Ba
- Akaike信息准则,计算为gydF4y2Ba另类投资会议gydF4y2Ba
= -2 *gydF4y2BaloglgydF4y2Ba
+ 2 *gydF4y2BanumParamgydF4y2Ba
,其中gydF4y2BanumParamgydF4y2Ba
为拟合参数的个数,包括随机效应的协方差矩阵的自由度、固定效应的个数和误差模型的参数个数gydF4y2BaloglgydF4y2Ba
是在一个场gydF4y2Ba统计数据gydF4y2Ba
结构gydF4y2Ba
bicgydF4y2Ba
-贝叶斯信息准则,计算为gydF4y2BabicgydF4y2Ba
= 2 *gydF4y2BaloglgydF4y2Ba
+日志(gydF4y2Ba米gydF4y2Ba
)*gydF4y2BanumParamgydF4y2Ba
米gydF4y2Ba
是组的数目。gydF4y2Ba
numParamgydF4y2Ba
和gydF4y2BaloglgydF4y2Ba
定义为gydF4y2Ba另类投资会议gydF4y2Ba
。gydF4y2Ba
注意,一些文献表明gydF4y2BabicgydF4y2Ba
应该是,gydF4y2BabicgydF4y2Ba
= 2 *gydF4y2BaloglgydF4y2Ba
+日志(gydF4y2BaNgydF4y2Ba
)*gydF4y2BanumParamgydF4y2Ba
,其中gydF4y2BaNgydF4y2Ba
是观测值的数量。gydF4y2Ba
covbgydF4y2Ba
- 参数估计值的估计协方差矩阵gydF4y2Ba
瑟伯塔gydF4y2Ba
-标准误差gydF4y2BaβgydF4y2Ba
IRESgydF4y2Ba
-人口剩余gydF4y2Ba(Y-y_population)gydF4y2Ba
,其中gydF4y2Bay_populationgydF4y2Ba
个人的预测值是多少gydF4y2Ba
总统gydF4y2Ba
-人口剩余gydF4y2Ba(Y-y_population)gydF4y2Ba
,其中gydF4y2Bay_populationgydF4y2Ba
人口是预测值吗gydF4y2Ba
本方案gydF4y2Ba
-个别加权残值gydF4y2Ba
pwresgydF4y2Ba
-人口加权残值gydF4y2Ba
轨gydF4y2Ba
-条件加权残值gydF4y2Ba
[β,PSI,统计数据,B] = nlmefit (X, y,, V,有趣,beta0)gydF4y2Ba
也回报gydF4y2BaBgydF4y2Ba
,一个gydF4y2BargydF4y2Ba-通过-gydF4y2Ba米gydF4y2Ba矩阵的估计随机效应gydF4y2Ba米gydF4y2Ba组。默认情况下,gydF4y2BargydF4y2Ba等于模型参数的个数gydF4y2BapgydF4y2Ba。gydF4y2Ba
-β,PSI,统计数据,B] = nlmefit(X,Y,组,V,乐趣,beta0,”gydF4y2Ba
指定一个或多个可选参数名/值对。指定gydF4y2Ba名称gydF4y2Ba
',gydF4y2Ba值gydF4y2Ba
)gydF4y2Ba名称gydF4y2Ba
在单引号。gydF4y2Ba
使用以下参数来适应与默认模型不同的模型。(默认模型是通过设置这两个参数获得的gydF4y2BaFEConstDesigngydF4y2Ba
和gydF4y2BaREConstDesigngydF4y2Ba
至gydF4y2Ba眼(p)的gydF4y2Ba
,或者两者都设置gydF4y2BaFEParamsSelectgydF4y2Ba
和gydF4y2BaREParamsSelectgydF4y2Ba
至gydF4y2Ba1:对gydF4y2Ba
)在使用带有最多一个参数gydF4y2Ba“菲”gydF4y2Ba
前缀和一个参数gydF4y2Ba'回覆'gydF4y2Ba
字首。该gydF4y2BanlmefitgydF4y2Ba
函数要求您指定至少一个固定效果和一个随机效果。gydF4y2Ba
参数gydF4y2Ba | 价值gydF4y2Ba |
---|---|
FEParamsSelectgydF4y2Ba |
指定参数向量的哪些元素的向量gydF4y2Ba |
FEConstDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba-通过-gydF4y2Ba问gydF4y2Ba设计矩阵gydF4y2Ba |
FEGroupDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba-通过-gydF4y2Ba问gydF4y2Ba-通过-gydF4y2Ba米gydF4y2Ba指定不同的gydF4y2BapgydF4y2Ba-通过-gydF4y2Ba问gydF4y2Ba对于每个固定效应设计矩阵gydF4y2Ba米gydF4y2Ba组。gydF4y2Ba |
FEObsDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba-通过-gydF4y2Ba问gydF4y2Ba-通过-gydF4y2BangydF4y2Ba指定不同的gydF4y2BapgydF4y2Ba-通过-gydF4y2Ba问gydF4y2Ba对于每个固定效应设计矩阵gydF4y2BangydF4y2Ba观察。gydF4y2Ba |
REParamsSelectgydF4y2Ba |
指定参数向量的哪些元素的向量gydF4y2Ba |
REConstDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba-通过-gydF4y2BargydF4y2Ba设计矩阵gydF4y2Ba |
REGroupDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba-通过-gydF4y2BargydF4y2Ba-通过-gydF4y2Ba米gydF4y2Ba指定不同的gydF4y2BapgydF4y2Ba-通过-gydF4y2BargydF4y2Ba每个的随机效果设计矩阵gydF4y2Ba米gydF4y2Ba组。gydF4y2Ba |
REObsDesigngydF4y2Ba |
一个gydF4y2BapgydF4y2Ba-通过-gydF4y2BargydF4y2Ba-通过-gydF4y2BangydF4y2Ba指定不同的gydF4y2BapgydF4y2Ba-通过-gydF4y2BargydF4y2Ba每个的随机效果设计矩阵gydF4y2BangydF4y2Ba观察。gydF4y2Ba |
使用下面的参数来控制迭代算法最大化的可能性:gydF4y2Ba
参数gydF4y2Ba |
价值gydF4y2Ba |
---|---|
RefineBeta0gydF4y2Ba |
决定gydF4y2Ba |
ErrorModelgydF4y2Ba |
指定错误项形式的字符向量或字符串标量。默认是gydF4y2Ba
如果给定了该参数,则输出gydF4y2Ba
|
ApproximationTypegydF4y2Ba |
用来近似模型的似然性的方法。的选择是:gydF4y2Ba
|
矢量gydF4y2Ba |
指示可接受的尺寸gydF4y2Ba
|
CovParameterizationgydF4y2Ba |
指定参数可以用于内部缩放协方差矩阵。选择是gydF4y2Ba |
CovPatterngydF4y2Ba |
指定一个gydF4y2BargydF4y2Ba-通过-gydF4y2BargydF4y2Ba逻辑或数字矩阵gydF4y2Ba 或者,gydF4y2Ba |
ParamTransformgydF4y2Ba |
的载体gydF4y2BapgydF4y2Ba指定转换函数的值gydF4y2BafgydF4y2Ba()为每个gydF4y2Ba
|
选项gydF4y2Ba |
形式的结构中返回由gydF4y2Ba
|
OptimFungydF4y2Ba |
指定最大化的可能性使用的优化功能。选择是gydF4y2Ba |
林德斯特伦、M. J.和D. M.贝茨。重复测量数据的非线性混合效应模型。gydF4y2Ba生物识别技术gydF4y2Ba。1990年第46卷,第673-687页。gydF4y2Ba
[2]大卫安,M.,和D. M.吉尔蒂南。gydF4y2Ba重复测量数据非线性模型gydF4y2Ba。纽约:查普曼与霍尔出版社,1995年。gydF4y2Ba
[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。gydF4y2Ba计算和图形统计杂志gydF4y2Ba。卷。4,1995年,第12-35。gydF4y2Ba
[4]杰米坚科,E.gydF4y2Ba混合模型:理论与应用gydF4y2Ba。新泽西州霍博肯:约翰威利父子公司,2004年。gydF4y2Ba