nlmefitgydF4y2Ba

非线性混合效应估计gydF4y2Ba

语法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

描述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

请注意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名称gydF4y2Ba',gydF4y2Ba值gydF4y2Ba)gydF4y2Ba指定一个或多个可选参数名/值对。指定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`φgydF4y2Ba`包含一个固定的效果，给出一个数值向量的索引gydF4y2Ba`1gydF4y2Ba`至gydF4y2Ba`pgydF4y2Ba`或者写成1-by-gydF4y2BapgydF4y2Ba逻辑矢量。如果gydF4y2Ba问gydF4y2Ba是指定的元素个数，那么模型包括gydF4y2Ba问gydF4y2Ba固定效果。gydF4y2Ba
`FEConstDesigngydF4y2Ba`	一个gydF4y2BapgydF4y2Ba-通过-gydF4y2Ba问gydF4y2Ba设计矩阵gydF4y2Ba`ADESIGNgydF4y2Ba`，其中gydF4y2Ba`ADESIGN *公测gydF4y2Ba`的固定分量gydF4y2BapgydF4y2Ba的元素gydF4y2Ba`φgydF4y2Ba`。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`φgydF4y2Ba`包含一个随机效应，给出一个数值向量的索引gydF4y2Ba`1gydF4y2Ba`至gydF4y2Ba`pgydF4y2Ba`或者写成1-by-gydF4y2BapgydF4y2Ba逻辑矢量。该模型包括gydF4y2BargydF4y2Ba随机效应，其中gydF4y2BargydF4y2Ba是元素的指定数目。gydF4y2Ba
`REConstDesigngydF4y2Ba`	一个gydF4y2BapgydF4y2Ba-通过-gydF4y2BargydF4y2Ba设计矩阵gydF4y2Ba`BDESIGNgydF4y2Ba`，其中gydF4y2Ba`BDESIGN * BgydF4y2Ba`是的随机分量gydF4y2BapgydF4y2Ba的元素gydF4y2Ba`φgydF4y2Ba`。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`nlmefitgydF4y2Ba`使初始细化gydF4y2Ba`beta0gydF4y2Ba`首先拟合gydF4y2Ba`modelfungydF4y2Ba`没有随机效应和更换gydF4y2Ba`beta0gydF4y2Ba`与gydF4y2Ba`βgydF4y2Ba`。选择是gydF4y2Ba`“上”gydF4y2Ba`和gydF4y2Ba`“关”gydF4y2Ba`。默认值为gydF4y2Ba`“上”gydF4y2Ba`。gydF4y2Ba
`ErrorModelgydF4y2Ba`	指定错误项形式的字符向量或字符串标量。默认是gydF4y2Ba`'不变'gydF4y2Ba`。每个模型定义使用标准正态（高斯）变量的误差gydF4y2BaegydF4y2Ba，函数值gydF4y2BafgydF4y2Ba，以及一两个参数gydF4y2Ba一个gydF4y2Ba和gydF4y2BabgydF4y2Ba。的选择是:gydF4y2Ba `'不变'gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba+gydF4y2Ba一个gydF4y2BagydF4y2BaegydF4y2Ba `“比例”gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba+gydF4y2BabgydF4y2BagydF4y2BafgydF4y2BagydF4y2BaegydF4y2Ba `“组合拳”gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba+ (gydF4y2Ba一个gydF4y2Ba+gydF4y2BabgydF4y2BagydF4y2BafgydF4y2Ba)gydF4y2BaegydF4y2Ba `“指数”gydF4y2Ba`:gydF4y2BaygydF4y2Ba=gydF4y2BafgydF4y2Ba EXP（gydF4y2Ba一个gydF4y2BagydF4y2BaegydF4y2Ba），或者等同地登录（gydF4y2BaygydF4y2Ba）=日志（gydF4y2BafgydF4y2Ba)+gydF4y2Ba一个gydF4y2BagydF4y2BaegydF4y2Ba 如果给定了该参数，则输出gydF4y2Ba`stats.errorparamgydF4y2Ba`字段的值gydF4y2Ba 一个gydF4y2Ba为gydF4y2Ba`'不变'gydF4y2Ba`和gydF4y2Ba`“指数”gydF4y2Ba` bgydF4y2Ba为gydF4y2Ba`“比例”gydF4y2Ba` (gydF4y2Ba一个gydF4y2BabgydF4y2Ba对于gydF4y2Ba`“组合拳”gydF4y2Ba`
`ApproximationTypegydF4y2Ba`	用来近似模型的似然性的方法。的选择是:gydF4y2Ba `LME的gydF4y2Ba`-使用线性混合效应模型的可能性在当前的条件估计gydF4y2Ba`βgydF4y2Ba`和gydF4y2Ba`BgydF4y2Ba`。这是默认设置。gydF4y2Ba `'RELME'gydF4y2Ba`-在当前的条件估计中使用线性混合效应模型的限制似然gydF4y2Ba`βgydF4y2Ba`和gydF4y2Ba`BgydF4y2Ba`。gydF4y2Ba `'FO'gydF4y2Ba`-没有随机效应的一阶拉普拉斯近似。gydF4y2Ba `“FOCE”gydF4y2Ba`的条件估计的一阶拉普拉斯近似gydF4y2Ba`BgydF4y2Ba`。gydF4y2Ba
`矢量gydF4y2Ba`	指示可接受的尺寸gydF4y2Ba`φgydF4y2Ba`,gydF4y2Ba`XFUNgydF4y2Ba`,gydF4y2Ba`VFUNgydF4y2Ba`输入参数gydF4y2Ba`modelfungydF4y2Ba`。的选择是:gydF4y2Ba `“SinglePhi”gydF4y2Ba`- - - - - -gydF4y2Ba`modelfungydF4y2Ba`一次只能接受一组模型参数，所以gydF4y2Ba`φgydF4y2Ba`必须在每个呼叫的单个行向量。gydF4y2Ba`nlmefitgydF4y2Ba`调用gydF4y2Ba`modelfungydF4y2Ba`在一个循环中，如果需要的话，用单gydF4y2Ba`φgydF4y2Ba`矢量与gydF4y2Ba`XFUNgydF4y2Ba`含有用于在一个单一的时间观察或组的行。gydF4y2Ba`VFUNgydF4y2Ba`可以是适用于?的所有行的单个行gydF4y2Ba`XFUNgydF4y2Ba`，或与对应于行中的行的矩阵gydF4y2Ba`XFUNgydF4y2Ba`。这是默认设置。gydF4y2Ba `'SingleGroup'gydF4y2Ba`- - - - - -gydF4y2Ba`modelfungydF4y2Ba`只能接受与数据中单个组对应的输入，那么gydF4y2Ba`XFUNgydF4y2Ba`必须包含的行gydF4y2Ba`XgydF4y2Ba`从在每个呼叫一个组。根据型号的不同，gydF4y2Ba`φgydF4y2Ba`是适用于整个组的单行，或适用于每个观测值都有一行的矩阵。gydF4y2Ba`VFUNgydF4y2Ba`是单行。gydF4y2Ba `“全部”gydF4y2Ba`- - - - - -gydF4y2Ba`modelfungydF4y2Ba`可以接受数据中多个参数向量和多个组的输入。要么gydF4y2Ba`φgydF4y2Ba`或gydF4y2Ba`VFUNgydF4y2Ba`可以是适用于?的所有行的单个行gydF4y2Ba`XFUNgydF4y2Ba`或对应于行与列的矩阵gydF4y2Ba`XFUNgydF4y2Ba`。此选项可以通过减少调用次数来提高性能gydF4y2Ba`modelfungydF4y2Ba`，但可能需要gydF4y2Ba`modelfungydF4y2Ba`执行单例扩展gydF4y2Ba`φgydF4y2Ba`或gydF4y2Ba`VgydF4y2Ba`。gydF4y2Ba
`CovParameterizationgydF4y2Ba`	指定参数可以用于内部缩放协方差矩阵。选择是gydF4y2Ba`“哲”gydF4y2Ba`对于Cholesky分解或gydF4y2Ba`“10gm的”gydF4y2Ba`矩阵对数。默认值是gydF4y2Ba`“10gm的”gydF4y2Ba`。gydF4y2Ba
`CovPatterngydF4y2Ba`	指定一个gydF4y2BargydF4y2Ba-通过-gydF4y2BargydF4y2Ba逻辑或数字矩阵gydF4y2Ba`PgydF4y2Ba`这定义了随机效应协方差矩阵的模式gydF4y2Ba`PSIgydF4y2Ba`。gydF4y2Ba`nlmefitgydF4y2Ba`估计沿对角线的方差gydF4y2Ba`PSIgydF4y2Ba`的非对角元素中由非零指定的协方差gydF4y2Ba`PgydF4y2Ba`。中的零非对角元素对应的协方差gydF4y2Ba`PgydF4y2Ba`被约束为零。如果gydF4y2Ba`PgydF4y2Ba`没有指定块对角矩阵的行-列排列，gydF4y2Ba`nlmefitgydF4y2Ba`将非零元素添加到gydF4y2Ba`PgydF4y2Ba`根据需要。的默认值gydF4y2Ba`PgydF4y2Ba`是gydF4y2Ba`眼（r）的gydF4y2Ba`中，对应于不相关的随机效应。gydF4y2Ba 或者，gydF4y2Ba`PgydF4y2Ba`可以是1逐gydF4y2BargydF4y2Ba矢量中含有的值gydF4y2Ba`1：RgydF4y2Ba`，用相等的值指定随机效果组。在这种情况下,gydF4y2Ba`nlmefitgydF4y2Ba`仅估计组内的协方差，并将组间的协方差限制为零。gydF4y2Ba
`ParamTransformgydF4y2Ba`	的载体gydF4y2BapgydF4y2Ba指定转换函数的值gydF4y2BafgydF4y2Ba（）为每个gydF4y2Ba`PgydF4y2Ba`参数:gydF4y2Ba`XBgydF4y2Ba`=gydF4y2Ba`ADESIGNgydF4y2Ba`gydF4y2Ba`βgydF4y2Ba`+gydF4y2Ba`BDESIGNgydF4y2Ba`gydF4y2Ba`BgydF4y2BaφgydF4y2Ba`=gydF4y2BafgydF4y2Ba(gydF4y2Ba`XBgydF4y2Ba`）。所述向量的每个元素必须是指定在PHI的对应值的变换下面整数代码之一：gydF4y2Ba 0:gydF4y2Ba`φgydF4y2Ba`=gydF4y2Ba`XBgydF4y2Ba`（默认为所有参数）gydF4y2Ba 1:日志(gydF4y2Ba`φgydF4y2Ba`)=gydF4y2Ba`XBgydF4y2Ba` 2:probit (gydF4y2Ba`φgydF4y2Ba`)=gydF4y2Ba`XBgydF4y2Ba` 3:分对数(gydF4y2Ba`φgydF4y2Ba`)=gydF4y2Ba`XBgydF4y2Ba`
`选项gydF4y2Ba`	形式的结构中返回由gydF4y2Ba`statsetgydF4y2Ba`。gydF4y2Ba`nlmefitgydF4y2Ba`使用以下gydF4y2Ba`statsetgydF4y2Ba`参数:gydF4y2Ba `“DerivStep”gydF4y2Ba`-相对差分用于有限差分梯度计算。可以是标量，也可以是长度是模型参数数量的向量gydF4y2BapgydF4y2Ba。默认值是gydF4y2Ba`eps ^ (1/3)gydF4y2Ba`。gydF4y2Ba `'显示'gydF4y2Ba`- 估计在迭代显示的水平。的选择是:gydF4y2Ba `“关”gydF4y2Ba`(默认)-不显示任何信息gydF4y2Ba `'最后'gydF4y2Ba`- 最后一次迭代后显示信息gydF4y2Ba `“通路”gydF4y2Ba`-在每次迭代中显示信息gydF4y2Ba `“FunValCheck”gydF4y2Ba`- 检查是否有无效的值，如gydF4y2Ba`南gydF4y2Ba`或gydF4y2Ba`天道酬勤gydF4y2Ba`,从gydF4y2Ba`modelfungydF4y2Ba`。选择是gydF4y2Ba`“上”gydF4y2Ba`和gydF4y2Ba`“关”gydF4y2Ba`。默认值是gydF4y2Ba`“上”gydF4y2Ba`。gydF4y2Ba `'MAXITER'gydF4y2Ba`-允许的最大迭代次数。默认值是gydF4y2Ba`200gydF4y2Ba`。gydF4y2Ba `'OutputFcn'gydF4y2Ba`- 使用指定功能手柄gydF4y2Ba`@gydF4y2Ba`中，单元阵列与功能手柄或空数组（默认）。求解器在每次迭代后调用所有输出功能。gydF4y2Ba `'TolFun'gydF4y2Ba`- 对数似然函数终止宽容。默认值是gydF4y2Ba`1E-4gydF4y2Ba`。gydF4y2Ba `“TolX”gydF4y2Ba`- 估计的固定和随机效应终止宽容。默认值是gydF4y2Ba`1E-4gydF4y2Ba`。gydF4y2Ba
`OptimFungydF4y2Ba`	指定最大化的可能性使用的优化功能。选择是gydF4y2Ba`“fminsearch”gydF4y2Ba`在使用gydF4y2Ba`fminsearchgydF4y2Ba`或gydF4y2Ba`'fminunc'gydF4y2Ba`在使用gydF4y2Ba`fminuncgydF4y2Ba`。默认值是gydF4y2Ba`“fminsearch”gydF4y2Ba`。您可以指定gydF4y2Ba`'fminunc'gydF4y2Ba`只有在安装了优化工具箱™软件。gydF4y2Ba

例子gydF4y2Ba

全部折叠gydF4y2Ba

非线性混合效应模型gydF4y2Ba

打开生活的脚本gydF4y2Ba

输入并显示五棵橘子树的生长数据。gydF4y2Ba

CIRC = [30 58 87 115 120 142 145;33 69 111 156 172 203 203;30 51 75 108 115 139 140;32 62 112 167 179 209 214;30 49 81 125 142 174 177]。时间= [118 484 664 1004 1231 1372 1582];H =情节（时间，CIRC”，gydF4y2Ba'O'gydF4y2Ba,gydF4y2Ba'行宽'gydF4y2Ba，2）;xlabel（gydF4y2Ba的时间(天)gydF4y2Ba)ylabel (gydF4y2Ba的周长(毫米)gydF4y2Ba）标题（gydF4y2Ba“{\bf橘子树生长}”gydF4y2Ba）图例（[repmat（gydF4y2Ba“树”gydF4y2Ba5 1)num2str ((1:5) '),gydF4y2Ba...gydF4y2Ba“位置”gydF4y2Ba,gydF4y2Ba“西北”gydF4y2Ba）网格gydF4y2Ba在gydF4y2Ba持有gydF4y2Ba在gydF4y2Ba

可以使用匿名函数指定物流的增长模式。gydF4y2Ba

模型= @(φ,t)(φ(:1))。/ (1 + exp (- (t-PHI(:, 2)) /φ(:,3)));gydF4y2Ba

使用拟合模型gydF4y2BanlmefitgydF4y2Ba默认设置(即假设每个参数是一个固定效果和一个随机效果的和，随机效果之间没有相关性):gydF4y2Ba

时间= repmat(时间、5、1);num = repmat((1:5),大小(时间));beta0 = [100 100 100];[beta1,形式,stats1] = nlmefit(时间(:),保监会(:),num (:),gydF4y2Ba...gydF4y2Ba[]，型号，beta0）gydF4y2Ba

β1的=gydF4y2Ba3×1gydF4y2Ba191.3189 723.7608 346.2517gydF4y2Ba

PSI1 =gydF4y2Ba3×3gydF4y2Ba962.1535 0000 0000 000 297.9879gydF4y2Ba

stats1 =gydF4y2Ba结构体字段:gydF4y2Badfe: 28 logl: -131.5457 mse: 59.7882 mse: 7.9016 errorparam: 277.0913 bic: 274.3574 covb: [3x3双)sebeta: [15.2249 33.1579 26.8235] ires: [35x1双]pres: [35x1双]iwres: [35x1双]cwres: [35x1双]cwres: [35x1双]gydF4y2Ba

的第二随机效应可以忽略的方差，gydF4y2Ba的形式(2,2)gydF4y2Ba，表明它可被移除以简化模型。gydF4y2Ba

[beta2, PSI2 stats2 b2) = nlmefit(时间(:),保监会(:),gydF4y2Ba...gydF4y2BaNUMS（：），[]，型号，beta0，gydF4y2Ba“REParamsSelect”gydF4y2Ba[1 3]）gydF4y2Ba

beta2 =gydF4y2Ba3×1gydF4y2Ba191.0490 722.5560 344.1624gydF4y2Ba

PSI2 =gydF4y2Ba2×2gydF4y2Ba991.1515 00 0.0000gydF4y2Ba

stats2 =gydF4y2Ba结构体字段:gydF4y2BaDFE：29 logl：-131.5846 MSE：61.5637 RMSE：7.9935 errorparam：7.8463 AIC：275.1692 BIC：272.8258 covb：[3×3双]瑟伯塔：[15.4462 33.6107 25.9579] IRES：[35x1双] PRES：[35x1双] iwres：35x1加倍] pwres：[35x1双] cwres：[35x1双]gydF4y2Ba

b2 =gydF4y2Ba2×5gydF4y2Ba-29.4038 31.5648 -37.0002 40.0183 -5.1791 0.0000 -0.0000 0.0000 -0.0000 0.0000 -0.0000 -0.0000gydF4y2Ba

的loglikelihoodgydF4y2BaloglgydF4y2Ba不受影响，Akaike和Bayesian信息准则(gydF4y2Ba另类投资会议gydF4y2Ba和gydF4y2BabicgydF4y2Ba）被减少，支持丢弃从模型第二随万博1manbetx机效应的决定。gydF4y2Ba

使用所估计的固定效应gydF4y2Babeta2gydF4y2Ba并为每个树估计随机效应gydF4y2Bab2gydF4y2Ba绘制通过数据模型。gydF4y2Ba

= repmat(beta2,1,5) +gydF4y2Ba...gydF4y2Ba％的固定效果gydF4y2Ba[B2（1，:);零（1,5）; B2（2，:)];gydF4y2Ba%随机效应gydF4y2Batplot = 0：0.1：1600;gydF4y2Ba为gydF4y2Ba我= 1:5 fitted_model = @ (t)(φ(我))。/ (1 + exp (- (t-PHI(我)2)。/gydF4y2Ba...gydF4y2Baφ(我)));情节(tplot fitted_model (tplot),gydF4y2Ba'颜色'gydF4y2Ba.Color h(我),gydF4y2Ba...gydF4y2Ba'行宽'gydF4y2Ba，2）gydF4y2Ba结束gydF4y2Ba