nlmefitsaGÿdF4y2Ba

与随机EM算法适合非线性混合效应模型GÿdF4y2Ba

句法GÿdF4y2Ba

[GÿdF4y2BaBETAGÿdF4y2Ba，GÿdF4y2BaψGÿdF4y2Ba，GÿdF4y2BaSTATSGÿdF4y2Ba，GÿdF4y2Ba乙GÿdF4y2Ba)= nlmefitsa (X, Y,, V, MODELFUN BETA0)GÿdF4y2Ba [GÿdF4y2BaBETAGÿdF4y2Ba，GÿdF4y2BaψGÿdF4y2Ba，GÿdF4y2BaSTATSGÿdF4y2Ba，GÿdF4y2Ba乙GÿdF4y2Ba] = nlmefitsa（X，Y，GROUP，V，MODELFUN，BETA0，”GÿdF4y2Ba的名字GÿdF4y2Ba”，GÿdF4y2Ba值GÿdF4y2Ba）GÿdF4y2Ba

描述GÿdF4y2Ba

[GÿdF4y2BaBETAGÿdF4y2Ba，GÿdF4y2BaψGÿdF4y2Ba，GÿdF4y2BaSTATSGÿdF4y2Ba，GÿdF4y2Ba乙GÿdF4y2Ba)= nlmefitsa (X, Y,, V, MODELFUN BETA0)GÿdF4y2Ba适合在固定效应非线性混合效应回归模型和估算回报GÿdF4y2BaBETAGÿdF4y2Ba。默认，GÿdF4y2BanlmefitsaGÿdF4y2Ba嵌合的模型，其中每个模型参数是的相应固定和随机效应的总和，和的随机效应的协方差矩阵是对角的，即，不相关的随机效应。GÿdF4y2Ba

该GÿdF4y2BaBETAGÿdF4y2Ba，GÿdF4y2BaψGÿdF4y2Ba和其他值这个函数返回是被设计以收敛到的参数的最大似然估计的随机（蒙特卡罗）模拟的结果。因为结果是随机的，最好是检查仿真的结果，以积，以确保模拟收敛。它也可能是有用的运行函数多次，使用多个初始值，或使用GÿdF4y2Ba“复制”GÿdF4y2Ba参数来执行多个模拟。GÿdF4y2Ba

[GÿdF4y2BaBETAGÿdF4y2Ba，GÿdF4y2BaψGÿdF4y2Ba，GÿdF4y2BaSTATSGÿdF4y2Ba，GÿdF4y2Ba乙GÿdF4y2Ba] = nlmefitsa（X，Y，GROUP，V，MODELFUN，BETA0，”GÿdF4y2Ba的名字GÿdF4y2Ba”，GÿdF4y2Ba值GÿdF4y2Ba）GÿdF4y2Ba接受一个或多个以逗号分隔的参数名称/值对。指定GÿdF4y2Ba的名字GÿdF4y2Ba在单引号。GÿdF4y2Ba

输入参数GÿdF4y2Ba

定义：GÿdF4y2Ba

在下面的参数列表中，应用以下变量定义:GÿdF4y2Ba

ñGÿdF4y2Ba- 观察的数GÿdF4y2Ba
HGÿdF4y2Ba- 预测变量的数量GÿdF4y2Ba
米GÿdF4y2Ba-组数GÿdF4y2Ba
GGÿdF4y2Ba- 组特定的预测变量的数量GÿdF4y2Ba
pGÿdF4y2Ba- 参数个数GÿdF4y2Ba
FGÿdF4y2Ba-固定效果的数量GÿdF4y2Ba

`XGÿdF4y2Ba`	一个GÿdF4y2BañGÿdF4y2Ba-通过-GÿdF4y2BaHGÿdF4y2Ba矩阵GÿdF4y2BañGÿdF4y2Ba观察GÿdF4y2BaHGÿdF4y2Ba预测变量。GÿdF4y2Ba
`ÿGÿdF4y2Ba`	一个GÿdF4y2BañGÿdF4y2Ba×1的矢量响应。GÿdF4y2Ba
`集团GÿdF4y2Ba`	分组变量指示其中GÿdF4y2Ba米GÿdF4y2Ba组，每个组观测所属。GÿdF4y2Ba`集团GÿdF4y2Ba`可以是一个分类变量、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。GÿdF4y2Ba
`VGÿdF4y2Ba`	一个GÿdF4y2Ba米GÿdF4y2Ba-通过-GÿdF4y2BaGGÿdF4y2Ba矩阵GÿdF4y2BaGGÿdF4y2Ba针对每个特定组的预测变量GÿdF4y2Ba米GÿdF4y2Ba数据中的组。这些预测值对一组中的所有观察值都具有相同的值。行GÿdF4y2Ba`VGÿdF4y2Ba`根据排序GÿdF4y2Ba`GRP2IDX(集团)GÿdF4y2Ba`。使用GÿdF4y2Ba米GÿdF4y2Ba-通过-GÿdF4y2BaGGÿdF4y2Ba细胞数组GÿdF4y2Ba`VGÿdF4y2Ba`如果任何特定组的预测值的大小不同群体而变化。指定GÿdF4y2Ba`[]GÿdF4y2Ba`对于GÿdF4y2Ba`VGÿdF4y2Ba`如果没有集团的预测。GÿdF4y2Ba
`MODELFUNGÿdF4y2Ba`	接受预测值和模型参数并返回拟合值的函数的句柄。GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`具有形式GÿdF4y2Ba`YFIT = MODELFUN(φ,XFUN VFUN)GÿdF4y2Ba`与输入参数GÿdF4y2Ba `PHIGÿdF4y2Ba`- A 1逐GÿdF4y2BapGÿdF4y2Ba的模型参数向量。GÿdF4y2Ba `XFUNGÿdF4y2Ba`- 一个GÿdF4y2Ba升GÿdF4y2Ba-通过-GÿdF4y2BaHGÿdF4y2Ba预测变量其中阵列GÿdF4y2Ba 升GÿdF4y2Ba如果是1GÿdF4y2Ba`XFUNGÿdF4y2Ba`是单排GÿdF4y2Ba`XGÿdF4y2Ba` 升GÿdF4y2Ba是GÿdF4y2BañGÿdF4y2Ba_{一世GÿdF4y2Ba}如果GÿdF4y2Ba`XFUNGÿdF4y2Ba`包含GÿdF4y2Ba`XGÿdF4y2Ba`对于单个组的大小GÿdF4y2BañGÿdF4y2Ba_{一世GÿdF4y2Ba} 升GÿdF4y2Ba是GÿdF4y2BañGÿdF4y2Ba如果GÿdF4y2Ba`XFUNGÿdF4y2Ba`包含所有行GÿdF4y2Ba`XGÿdF4y2Ba`。GÿdF4y2Ba `VFUNGÿdF4y2Ba`- 无论是GÿdF4y2Ba A 1逐GÿdF4y2BaGGÿdF4y2Ba单个组组特定的预测结果的矢量，对应于一排GÿdF4y2Ba`VGÿdF4y2Ba` 一个GÿdF4y2BañGÿdF4y2Ba-通过-GÿdF4y2BaGGÿdF4y2Ba矩阵,GÿdF4y2BaķGÿdF4y2Bath排GÿdF4y2Ba`VFUNGÿdF4y2Ba`是GÿdF4y2Ba`VGÿdF4y2Ba`（GÿdF4y2Ba一世GÿdF4y2Ba:)如果GÿdF4y2BaķGÿdF4y2Ba-观察在组内GÿdF4y2Ba一世GÿdF4y2Ba。GÿdF4y2Ba 如果GÿdF4y2Ba`VGÿdF4y2Ba`是空的，GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`电话GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`仅具有两个输入。GÿdF4y2Ba `MODELFUNGÿdF4y2Ba`返回GÿdF4y2Ba升GÿdF4y2Ba-乘1的拟合值向量GÿdF4y2Ba`YFITGÿdF4y2Ba`。当任GÿdF4y2Ba`PHIGÿdF4y2Ba`要么GÿdF4y2Ba`VFUNGÿdF4y2Ba`包含单个行，其中一行对应于其他两个输入参数中的所有行。若要改进性能，请使用GÿdF4y2Ba`“矢量”GÿdF4y2Ba`参数名称/值对（下面描述），如果GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`可以计算GÿdF4y2Ba`YFITGÿdF4y2Ba`用于在一个呼叫的模型参数超过一个向量。GÿdF4y2Ba
`BETA0GÿdF4y2Ba`	一个GÿdF4y2BaFGÿdF4y2Ba×1向量，其具有用于初始估计GÿdF4y2BaFGÿdF4y2Ba固定效应。默认，GÿdF4y2BaFGÿdF4y2Ba等于模型参数的数量GÿdF4y2BapGÿdF4y2Ba。GÿdF4y2Ba`BETA0GÿdF4y2Ba`也可以是GÿdF4y2BaFGÿdF4y2Ba-通过-GÿdF4y2Ba`代表GÿdF4y2Ba`矩阵，然后重复估计GÿdF4y2Ba`代表GÿdF4y2Ba`乘以。的每一列GÿdF4y2Ba`BETA0GÿdF4y2Ba`作为一组的初始值的。GÿdF4y2Ba

名称 - 值对参数GÿdF4y2Ba

默认，GÿdF4y2BanlmefitsaGÿdF4y2Ba嵌合的模型，其中每个模型参数是的相应固定和随机效应的总和。使用下面的参数名称/值对，以适应模型具有不同数目的或依赖于固定的或随机效应。在使用带有最多一个参数名GÿdF4y2Ba'FE'GÿdF4y2Ba前缀和一个参数的名称与GÿdF4y2Ba“重新”GÿdF4y2Ba字首。需要注意的是一些选择改变的方式GÿdF4y2BanlmefitsaGÿdF4y2Ba电话GÿdF4y2BaMODELFUNGÿdF4y2Ba，详见下文。GÿdF4y2Ba

`'FEParamsSelect'GÿdF4y2Ba`	指定模型参数向量的哪些元素的向量GÿdF4y2Ba`PHIGÿdF4y2Ba`包括固定的效果，与在1个元素的数值向量：GÿdF4y2BapGÿdF4y2Ba，或者写成1-by-GÿdF4y2BapGÿdF4y2Ba逻辑矢量。该模型将包括GÿdF4y2BaFGÿdF4y2Ba固定效应，其中GÿdF4y2BaFGÿdF4y2Ba是元素的指定数量。GÿdF4y2Ba
`'FEConstDesign'GÿdF4y2Ba`	一个GÿdF4y2BapGÿdF4y2Ba-通过-GÿdF4y2BaFGÿdF4y2Ba设计矩阵GÿdF4y2Ba`动力GÿdF4y2Ba`,在那里GÿdF4y2Ba`动力GÿdF4y2Ba`*GÿdF4y2Ba`BETAGÿdF4y2Ba`是的固定部件GÿdF4y2BapGÿdF4y2Ba要点GÿdF4y2Ba`PHIGÿdF4y2Ba`。GÿdF4y2Ba
`“FEGroupDesign”GÿdF4y2Ba`	一个GÿdF4y2BapGÿdF4y2Ba-通过-GÿdF4y2BaFGÿdF4y2Ba-通过-GÿdF4y2Ba米GÿdF4y2Ba阵列指定一个不同的GÿdF4y2BapGÿdF4y2Ba-通过-GÿdF4y2BaFGÿdF4y2Ba固定效果的设计矩阵的每一个GÿdF4y2Ba米GÿdF4y2Ba组。GÿdF4y2Ba
`'REParamsSelect'GÿdF4y2Ba`	指定模型参数向量的哪些元素的向量GÿdF4y2Ba`PHIGÿdF4y2Ba`包括随机的效果，与在1个元素的数值向量：GÿdF4y2BapGÿdF4y2Ba，或者写成1-by-GÿdF4y2BapGÿdF4y2Ba逻辑矢量。该模型将包括GÿdF4y2Ba[RGÿdF4y2Ba随机效应,GÿdF4y2Ba[RGÿdF4y2Ba是元素的指定数量。GÿdF4y2Ba
`“REConstDesign”GÿdF4y2Ba`	一个GÿdF4y2BapGÿdF4y2Ba-通过-GÿdF4y2Ba[RGÿdF4y2Ba设计矩阵GÿdF4y2Ba`BDESIGNGÿdF4y2Ba`,在那里GÿdF4y2Ba`BDESIGNGÿdF4y2Ba`*GÿdF4y2Ba`乙GÿdF4y2Ba`的随机分量GÿdF4y2BapGÿdF4y2Ba要点GÿdF4y2Ba`PHIGÿdF4y2Ba`。这个矩阵必须由0和1组成，具有最多一个1每行。GÿdF4y2Ba

默认模式，相当于同时设置GÿdF4y2BaFEConstDesignGÿdF4y2Ba和GÿdF4y2BaREConstDesignGÿdF4y2Ba来GÿdF4y2Ba眼(p)GÿdF4y2Ba或两者设置GÿdF4y2BaFEParamsSelectGÿdF4y2Ba和GÿdF4y2BaREParamsSelectGÿdF4y2Ba以1：GÿdF4y2BapGÿdF4y2Ba。GÿdF4y2Ba

附加的可选参数名称/值对控制用于最大化似然性的迭代算法：GÿdF4y2Ba

`“CovPattern”GÿdF4y2Ba`	指定的GÿdF4y2Ba[RGÿdF4y2Ba-通过-GÿdF4y2Ba[RGÿdF4y2Ba逻辑或数字矩阵GÿdF4y2Ba`拍GÿdF4y2Ba`定义的随机效应的图案的协方差矩阵GÿdF4y2Ba`ψGÿdF4y2Ba`。GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`计算沿对角线的方差估计值GÿdF4y2Ba`ψGÿdF4y2Ba`以及协方差对应于在非零非对角线的GÿdF4y2Ba`拍GÿdF4y2Ba`。GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`约束剩余协方差，即，那些对应于在非对角线零GÿdF4y2Ba`拍GÿdF4y2Ba`，等于零。GÿdF4y2Ba`拍GÿdF4y2Ba`必须是块对角矩阵的行-列排列，且GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`将非零元素添加到GÿdF4y2Ba`拍GÿdF4y2Ba`根据需要，以产生这样的图案。默认值GÿdF4y2Ba`拍GÿdF4y2Ba`是GÿdF4y2Ba`眼（r）的GÿdF4y2Ba`，对应不相关的随机效应。GÿdF4y2Ba 或者，指定GÿdF4y2Ba`拍GÿdF4y2Ba`作为1逐GÿdF4y2Ba[RGÿdF4y2Ba矢量包含在1个值：GÿdF4y2Ba[RGÿdF4y2Ba。在这种情况下，元素GÿdF4y2Ba`拍GÿdF4y2Ba`具有相等值定义的随机效应基团，GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`跨组只在组的估算协方差和约束协方差为零。GÿdF4y2Ba
`'Cov0'GÿdF4y2Ba`	为协方差矩阵初始值GÿdF4y2Ba`ψGÿdF4y2Ba`。必须是GÿdF4y2Ba[RGÿdF4y2Ba-通过-GÿdF4y2Ba[RGÿdF4y2Ba正定矩阵。如果为空，则默认值取决于值GÿdF4y2Ba`BETA0GÿdF4y2Ba`。GÿdF4y2Ba
`“ComputeStdErrors”GÿdF4y2Ba`	`真正GÿdF4y2Ba`计算标准误差的估计系数，并将其存储在输出GÿdF4y2Ba`STATSGÿdF4y2Ba`结构，或GÿdF4y2Ba`假GÿdF4y2Ba`（默认）忽略这个计算。GÿdF4y2Ba
`'ErrorModel'GÿdF4y2Ba`	字符向量或标量的字符串指定误差项的形式。默认值是GÿdF4y2Ba`“不变”GÿdF4y2Ba`。每个模型都使用标准正态分布(高斯分布)变量定义误差GÿdF4y2BaËGÿdF4y2Ba，函数值GÿdF4y2BaFGÿdF4y2Ba，和一个或两个参数GÿdF4y2Ba一个GÿdF4y2Ba和GÿdF4y2BabGÿdF4y2Ba。的选择是GÿdF4y2Ba `“不变”GÿdF4y2Ba`-GÿdF4y2BaÿGÿdF4y2Ba=GÿdF4y2BaFGÿdF4y2Ba+GÿdF4y2Ba一个GÿdF4y2BaGÿdF4y2BaËGÿdF4y2Ba `'成比例的'GÿdF4y2Ba`-GÿdF4y2BaÿGÿdF4y2Ba=GÿdF4y2BaFGÿdF4y2Ba+GÿdF4y2BabGÿdF4y2BaGÿdF4y2BaFGÿdF4y2BaGÿdF4y2BaËGÿdF4y2Ba `“组合”GÿdF4y2Ba`-GÿdF4y2BaÿGÿdF4y2Ba=GÿdF4y2BaFGÿdF4y2Ba+（GÿdF4y2Ba一个GÿdF4y2Ba+GÿdF4y2BabGÿdF4y2BaGÿdF4y2BaFGÿdF4y2Ba）GÿdF4y2BaËGÿdF4y2Ba `“指数”GÿdF4y2Ba`-GÿdF4y2BaÿGÿdF4y2Ba=GÿdF4y2BaFGÿdF4y2Ba exp (GÿdF4y2Ba一个GÿdF4y2BaGÿdF4y2BaËGÿdF4y2Ba）GÿdF4y2Ba，或等价GÿdF4y2Ba日志（GÿdF4y2BaÿGÿdF4y2Ba)=日志(GÿdF4y2BaFGÿdF4y2Ba）+GÿdF4y2Ba一个GÿdF4y2BaGÿdF4y2BaËGÿdF4y2Ba 如果该参数，则输出GÿdF4y2Ba`STATS.errorparamGÿdF4y2Ba`字段的值GÿdF4y2Ba 一个GÿdF4y2Ba对于GÿdF4y2Ba`“不变”GÿdF4y2Ba`和GÿdF4y2Ba`“指数”GÿdF4y2Ba` bGÿdF4y2Ba对于GÿdF4y2Ba`'成比例的'GÿdF4y2Ba` [GÿdF4y2Ba一个GÿdF4y2BabGÿdF4y2Ba对于GÿdF4y2Ba`“组合”GÿdF4y2Ba`
`“ErrorParameters”GÿdF4y2Ba`	标量或两个元素向量指定所述误差模型的参数的初始值。这指定GÿdF4y2Ba一个GÿdF4y2Ba，GÿdF4y2BabGÿdF4y2Ba，要么 [GÿdF4y2Ba一个GÿdF4y2BabGÿdF4y2Ba]的值取决于GÿdF4y2Ba`ErrorModelGÿdF4y2Ba`参数。GÿdF4y2Ba
`'LogLikMethod'GÿdF4y2Ba`	指定近似数似然方法。选项有：GÿdF4y2Ba `“是”GÿdF4y2Ba`- 重要抽样GÿdF4y2Ba `“gq”GÿdF4y2Ba`- 高斯积分GÿdF4y2Ba `“林”GÿdF4y2Ba`——线性化GÿdF4y2Ba `'没有'GÿdF4y2Ba`-忽略对数似然近似(默认)GÿdF4y2Ba
`“NBurnIn”GÿdF4y2Ba`	在此期间，参数估计值不重新计算初始老化迭代次数。默认值为5。GÿdF4y2Ba
`'NChains'GÿdF4y2Ba`	数GÿdF4y2BaCGÿdF4y2Ba的“链”模拟。默认值为1。设置GÿdF4y2BaCGÿdF4y2Ba> 1倍的原因GÿdF4y2BaCGÿdF4y2Ba每次迭代期间被计算为每个组模拟系数矢量。默认取决于数据，并且被选择为跨越所有连锁提供大约100个组。GÿdF4y2Ba
`“NIterations”GÿdF4y2Ba`	迭代次数。这可以是一个标量或三元素向量。为每个算法的三个阶段进行控制多少次迭代：GÿdF4y2Ba 模拟退火GÿdF4y2Ba 全步长GÿdF4y2Ba 减小的步长大小GÿdF4y2Ba 默认值是GÿdF4y2Ba`[150 150 100]GÿdF4y2Ba`。标量是相同的比例作为默认横跨三个阶段分布。GÿdF4y2Ba
`'NMCMCIterations'GÿdF4y2Ba`	马尔可夫链蒙特卡罗（MCMC）迭代次数。这可以是一个标量或三元素向量。控制许多三种不同类型的MCMC更新的是如何在主迭代的每个阶段进行：GÿdF4y2Ba 全多元更新GÿdF4y2Ba 单一的坐标更新GÿdF4y2Ba 多个坐标更新GÿdF4y2Ba 默认值是GÿdF4y2Ba`[2 2 2]GÿdF4y2Ba`。与所有元素等于所述标量的标量值将被视为一个三元素向量。GÿdF4y2Ba
`'OptimFun'GÿdF4y2Ba`	或GÿdF4y2Ba`'fminsearch'GÿdF4y2Ba`要么GÿdF4y2Ba`“fminunc”GÿdF4y2Ba`，指定在估计过程中使用的优化函数。默认值是GÿdF4y2Ba`'fminsearch'GÿdF4y2Ba`。用于GÿdF4y2Ba`“fminunc”GÿdF4y2Ba`需要优化工具箱™。GÿdF4y2Ba
`“选项”GÿdF4y2Ba`	通过将呼叫创建的结构GÿdF4y2Ba`statsetGÿdF4y2Ba`。GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`使用以下GÿdF4y2Ba`statsetGÿdF4y2Ba`参数：GÿdF4y2Ba `'DerivStep'GÿdF4y2Ba`- 在有限差分梯度计算中使用的相对差。可以是一个标量，或者其长度的矢量是模型参数的数GÿdF4y2BapGÿdF4y2Ba。默认值是GÿdF4y2Ba`EPS ^（1/3）GÿdF4y2Ba`。GÿdF4y2Ba `显示GÿdF4y2Ba`- 估计在显示的水平。GÿdF4y2Ba `“关”GÿdF4y2Ba`（默认） - 不显示信息GÿdF4y2Ba `“最后一次”GÿdF4y2Ba`- 估计算法的最后一次迭代后显示信息GÿdF4y2Ba `'ITER'GÿdF4y2Ba`- 在每次迭代显示信息GÿdF4y2Ba `FunValCheckGÿdF4y2Ba` `'上'GÿdF4y2Ba`（默认） - 检查是否有无效值（如GÿdF4y2Ba`为NaNGÿdF4y2Ba`要么GÿdF4y2Ba`天道酬勤GÿdF4y2Ba`)GÿdF4y2Ba`MODELFUNGÿdF4y2Ba` `“关”GÿdF4y2Ba`- 跳过此检查GÿdF4y2Ba `OutputFcnGÿdF4y2Ba`-指定使用的函数句柄GÿdF4y2Ba`@GÿdF4y2Ba`，带有函数句柄的单元格数组或空数组。GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`在每次迭代之后调用所有输出函数。看到GÿdF4y2Ba`nlmefitoutputfcn.mGÿdF4y2Ba`（默认的输出功能，用于GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`）为一个输出函数的一个例子。GÿdF4y2Ba
`“ParamTransform”GÿdF4y2Ba`	一个向量的GÿdF4y2BapGÿdF4y2Ba- 值指定的变换函数GÿdF4y2Ba`F（）GÿdF4y2Ba`为每个GÿdF4y2BapGÿdF4y2Ba参数：GÿdF4y2Ba XB = ADESIGN * BETA + BDESIGN * B PHI = F（XB）GÿdF4y2Ba 所述向量的每个元素必须是指定变换为相应的值以下的整数代码的一个GÿdF4y2Ba`PHIGÿdF4y2Ba`：GÿdF4y2Ba 0:GÿdF4y2Ba`φ= XBGÿdF4y2Ba`（默认为所有参数）GÿdF4y2Ba 1:GÿdF4y2Ba`日志（PHI）= XBGÿdF4y2Ba` 2:GÿdF4y2Ba`概率（PHI）= XBGÿdF4y2Ba` 3:GÿdF4y2Ba`分对数(φ)= XBGÿdF4y2Ba`
`“复制”GÿdF4y2Ba`	数GÿdF4y2Ba`代表GÿdF4y2Ba`从向量的起始值开始执行的估计GÿdF4y2Ba`BETA0GÿdF4y2Ba`。如果GÿdF4y2Ba`BETA0GÿdF4y2Ba`是一个矩阵，GÿdF4y2Ba`代表GÿdF4y2Ba`必须列数的匹配GÿdF4y2Ba`BETA0GÿdF4y2Ba`。默认值是其中的列数GÿdF4y2Ba`BETA0GÿdF4y2Ba`。GÿdF4y2Ba
`“矢量”GÿdF4y2Ba`	确定的可能的尺寸GÿdF4y2Ba`PHIGÿdF4y2Ba`，GÿdF4y2Ba`XFUNGÿdF4y2Ba`和GÿdF4y2Ba`VFUNGÿdF4y2Ba`输入参数GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`。可能的值有：GÿdF4y2Ba `'SinglePhi'GÿdF4y2Ba`-GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`一个函数(如ODE求解器)是否只能计算GÿdF4y2Ba`YFITGÿdF4y2Ba`对于同一时间的一组模型参数，即GÿdF4y2Ba`PHIGÿdF4y2Ba`必须在每个呼叫的单个行向量。GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`电话GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`在一个循环中必要时可使用一个单一的GÿdF4y2Ba`PHIGÿdF4y2Ba`向量和GÿdF4y2Ba`XFUNGÿdF4y2Ba`含有用于在一个单一的时间观察或组的行。GÿdF4y2Ba`VFUNGÿdF4y2Ba`可以是单排适用于所有的行GÿdF4y2Ba`XFUNGÿdF4y2Ba`，或与对应于行中的行的矩阵GÿdF4y2Ba`XFUNGÿdF4y2Ba`。GÿdF4y2Ba `“SingleGroup”GÿdF4y2Ba`-GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`只能接受数据中单个组对应的输入，即GÿdF4y2Ba`XFUNGÿdF4y2Ba`必须包含GÿdF4y2Ba`XGÿdF4y2Ba`从在每个呼叫一个组。根据型号的不同，GÿdF4y2Ba`PHIGÿdF4y2Ba`是一个适用于整个组的单行，或者是一个针对每个观测值都有一行的矩阵。GÿdF4y2Ba`VFUNGÿdF4y2Ba`为单行。GÿdF4y2Ba `'充分'GÿdF4y2Ba`-GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`可以接受的数据的多个参数向量和多个组输入。或GÿdF4y2Ba`PHIGÿdF4y2Ba`要么GÿdF4y2Ba`VFUNGÿdF4y2Ba`可以是单排适用于所有的行GÿdF4y2Ba`XFUNGÿdF4y2Ba`，或与对应于行中的行的矩阵GÿdF4y2Ba`XFUNGÿdF4y2Ba`。使用此选项可以通过减少到的调用数量来提高性能GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`，但可能需要GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`以对单扩张GÿdF4y2Ba`PHIGÿdF4y2Ba`要么GÿdF4y2Ba`VGÿdF4y2Ba`。GÿdF4y2Ba 的默认值GÿdF4y2Ba`“矢量”GÿdF4y2Ba`是GÿdF4y2Ba`'SinglePhi'GÿdF4y2Ba`。在所有情况下，如果GÿdF4y2Ba`VGÿdF4y2Ba`是空的，GÿdF4y2Ba`nlmefitsaGÿdF4y2Ba`电话GÿdF4y2Ba`MODELFUNGÿdF4y2Ba`仅具有两个输入。GÿdF4y2Ba

输出参数GÿdF4y2Ba

BETAGÿdF4y2Ba

的固定效应估计GÿdF4y2Ba

ψGÿdF4y2Ba

一个GÿdF4y2Ba[RGÿdF4y2Ba-通过-GÿdF4y2Ba[RGÿdF4y2Ba估计的协方差矩阵为随机效应。默认，GÿdF4y2Ba[RGÿdF4y2Ba等于模型参数的数量GÿdF4y2BapGÿdF4y2Ba。GÿdF4y2Ba

STATSGÿdF4y2Ba

具有以下字段的结构:GÿdF4y2Ba

loglGÿdF4y2Ba- 拟合模型的最大化对数似然;空当GÿdF4y2BaLogLikMethodGÿdF4y2Ba参数有它的默认值GÿdF4y2Ba'没有'GÿdF4y2Ba
RMSEGÿdF4y2Ba- 所估计的误差方差的平方根（计算上为对数标度GÿdF4y2Ba指数GÿdF4y2Ba误差模型）GÿdF4y2Ba
errorparamGÿdF4y2Ba- 误差方差模型的估计参数GÿdF4y2Ba
AICGÿdF4y2Ba- 赤池信息准则（如果空GÿdF4y2BaloglGÿdF4y2Ba是空的），计算为GÿdF4y2BaAICGÿdF4y2Ba= -2 *GÿdF4y2BaloglGÿdF4y2Ba+ 2 *GÿdF4y2BanumParamGÿdF4y2Ba,在那里GÿdF4y2Ba
- loglGÿdF4y2Ba为最大化对数似然。GÿdF4y2Ba
- numParamGÿdF4y2Ba是拟合参数，包括自由的对的随机效应，固定效应的数目和误差模型的参数的数目的协方差矩阵的程度的数量。GÿdF4y2Ba
BICGÿdF4y2Ba- 贝叶斯信息标准（如空GÿdF4y2BaloglGÿdF4y2Ba是空的），计算为GÿdF4y2BaBICGÿdF4y2Ba= -2 *GÿdF4y2BaloglGÿdF4y2Ba+日志（GÿdF4y2Ba中号GÿdF4y2Ba）*GÿdF4y2BanumParamGÿdF4y2Ba
- 中号GÿdF4y2Ba是组的数目。GÿdF4y2Ba
- loglGÿdF4y2Ba和GÿdF4y2BanumParamGÿdF4y2Ba被定义为在GÿdF4y2BaAICGÿdF4y2Ba。GÿdF4y2Ba
请注意，有些文献表明的计算GÿdF4y2BaBICGÿdF4y2Ba应该，GÿdF4y2BaBICGÿdF4y2Ba= -2 *GÿdF4y2BaloglGÿdF4y2Ba+日志（GÿdF4y2BañGÿdF4y2Ba）*GÿdF4y2BanumParamGÿdF4y2Ba,在那里GÿdF4y2BañGÿdF4y2Ba是观测值的数量。要调整输出的值，你可以重新定义GÿdF4y2BaBICGÿdF4y2Ba如下：GÿdF4y2BaBICGÿdF4y2Ba=GÿdF4y2BaBICGÿdF4y2Ba-GÿdF4y2BanumelGÿdF4y2Ba（GÿdF4y2Ba独特的GÿdF4y2Ba（GÿdF4y2Ba组GÿdF4y2Ba））+GÿdF4y2BanumelGÿdF4y2Ba（GÿdF4y2BaÿGÿdF4y2Ba）GÿdF4y2Ba
sebetaGÿdF4y2Ba- 标准误差为BETA（空当GÿdF4y2BaComputeStdErrorsGÿdF4y2Ba参数有假的它的默认值）GÿdF4y2Ba
covbGÿdF4y2Ba- 参数估计值的估计协方差（如果空GÿdF4y2BaComputeStdErrorsGÿdF4y2Ba是假的）GÿdF4y2Ba
DFEGÿdF4y2Ba- 错误自由度GÿdF4y2Ba
总统GÿdF4y2Ba- 人口残差GÿdF4y2Ba（Y-y_population）GÿdF4y2Ba,在那里GÿdF4y2Bay_populationGÿdF4y2Ba是总体预测值GÿdF4y2Ba
IRESGÿdF4y2Ba- 人口残差GÿdF4y2Ba（Y-y_population）GÿdF4y2Ba,在那里GÿdF4y2Bay_populationGÿdF4y2Ba是各个预测值GÿdF4y2Ba
压水式反应堆GÿdF4y2Ba- 人口加权残值GÿdF4y2Ba
轨GÿdF4y2Ba- 有条件的加权残GÿdF4y2Ba
iwresGÿdF4y2Ba- 个体加权残GÿdF4y2Ba

例子GÿdF4y2Ba

全部收缩GÿdF4y2Ba

与随机EM算法的非线性混合效应模型GÿdF4y2Ba

打开脚本GÿdF4y2Ba

加载样本数据。GÿdF4y2Ba

加载GÿdF4y2Ba吲哚美辛GÿdF4y2Ba

将模型与数据上药浓度吲哚美辛的六个科目超过8小时血液。GÿdF4y2Ba

模型= @(φ,t)(φ(:1)。* exp(φ(:,2)。* t) +φ(:,3)。* exp(φ(:,4)。* t));phi0 = [1 1 1 1];xform = [0 1 0 1];GÿdF4y2Ba对第2和第4个参数进行% log转换GÿdF4y2Ba-β，PSI，统计数据，BR] = nlmefitsa（时间，浓度GÿdF4y2Ba…GÿdF4y2Ba主题，[]，型号，phi0，GÿdF4y2Ba“ParamTransform”GÿdF4y2Ba，XForm中）GÿdF4y2Ba

的β= 0.8563 -0.7950 2.7744 1.0772 PSI = 0.0529 0 0 0 0 0.0220 0 0 0 0 0.4762 0 0 0 0 0.0120统计=结构与字段：logl：[] AIC：[] BIC：[]瑟伯塔：[] DFE：57covb：[] errorparam：0.0809 RMSE：0.0775 IRES：[66x1双] PRES：[66x1双] iwres：[66x1双] pwres：[66x1双] cwres：[66x1双] BR = -0.2255 0.0063 0.1600 0.1773 -0.3269 0.11570.0350 -0.1384 0.0058 0.0431 0.0093 -0.0453 -0.7557 -0.0550 0.8736 -0.7875 0.5304 0.1727 -0.0010 -0.0198 0.0137 -0.0757 0.0478 -0.0076GÿdF4y2Ba

图中的数据与整体人口配合沿GÿdF4y2Ba

clfφ=[β(1),exp(β(2)),β(3),exp(β(4)));h = gscatter(时间、浓度、主题);包含(GÿdF4y2Ba“时间（小时）”GÿdF4y2Ba）ylabel（GÿdF4y2Ba的浓度(微克/毫升)GÿdF4y2Ba)标题(GÿdF4y2Ba“{\ bf消炎痛消除}”GÿdF4y2Ba）XX = linspace（0,8）;线（XX，模型（PHI，XX），GÿdF4y2Ba'行宽'GÿdF4y2Ba，2，GÿdF4y2Ba“颜色”GÿdF4y2Ba，GÿdF4y2Ba数kGÿdF4y2Ba）GÿdF4y2Ba

根据随机效应估计绘制个体曲线。GÿdF4y2Ba

对于GÿdF4y2BaJ = 1：6 phir =β（1）+ BR（1，j）的，实验值（β（2）+ BR（2，j）的），GÿdF4y2Ba…GÿdF4y2Ba测试（3）+ BR（3，j）的，实验值（β（4）+ BR（4，j）的）];线（XX，模型（phir，XX），GÿdF4y2Ba“颜色”GÿdF4y2Ba，获得（H（j）中，GÿdF4y2Ba“颜色”GÿdF4y2Ba））GÿdF4y2Ba结束GÿdF4y2Ba

算法GÿdF4y2Ba

为了估计一个非线性混合效应模型的参数，我们想选择的参数值最大化似然函数。这些值被称为最大似然估计。似然函数可以写成如下形式GÿdF4y2Ba

$pGÿdF4y2Ba （GÿdF4y2Ba ÿGÿdF4y2Ba |GÿdF4y2Ba βGÿdF4y2Ba ，GÿdF4y2Ba {σGÿdF4y2Ba}^{2GÿdF4y2Ba} ，GÿdF4y2Ba ΣGÿdF4y2Ba ）GÿdF4y2Ba =GÿdF4y2Ba \intGÿdF4y2Ba pGÿdF4y2Ba （GÿdF4y2Ba ÿGÿdF4y2Ba |GÿdF4y2Ba βGÿdF4y2Ba ，GÿdF4y2Ba bGÿdF4y2Ba ，GÿdF4y2Ba {σGÿdF4y2Ba}^{2GÿdF4y2Ba} ）GÿdF4y2Ba pGÿdF4y2Ba （GÿdF4y2Ba bGÿdF4y2Ba |GÿdF4y2Ba ΣGÿdF4y2Ba ）GÿdF4y2Ba dGÿdF4y2Ba bGÿdF4y2Ba$

在哪里GÿdF4y2Ba

ÿGÿdF4y2Ba是响应数据GÿdF4y2Ba
β是人口的向量系数GÿdF4y2Ba
σGÿdF4y2Ba^2GÿdF4y2Ba是剩余方差GÿdF4y2Ba
Σ是针对随机效应的协方差矩阵GÿdF4y2Ba
bGÿdF4y2Ba是一组不可观测的随机效应GÿdF4y2Ba

每GÿdF4y2BapGÿdF4y2Ba()右边的函数是一个正态(高斯)似然函数，它可能依赖于协变量。GÿdF4y2Ba

由于积分没有一个封闭的形式，它是很难找到最大化的参数。Delyon，Lavielle和MoulinesGÿdF4y2Ba[1]GÿdF4y2Ba提出找到使用其中对E步骤通过随机过程代替的期望最大化（EM）算法的最大似然估计。他们称他们的算法SAEM，对于随机逼近EM。他们证明，这种算法具有理想的理论特性，包括在实际条件下的收敛性和收敛到一个局部最大似然函数。他们的建议包括三个步骤：GÿdF4y2Ba

模拟：生成的随机效果的模拟值GÿdF4y2BabGÿdF4y2Ba从后验密度GÿdF4y2BapGÿdF4y2Ba（GÿdF4y2BabGÿdF4y2Ba|Σ）给出的电流参数估计。GÿdF4y2Ba
随机近似：更新利用其值从之前的步骤，向来自模拟随机效应计算的对数似然的平均值运动部件的方式对数似然函数的期望值。GÿdF4y2Ba
最大化步骤:根据随机效应的模拟值，选择新的参数估计值来最大化loglikelihood函数。GÿdF4y2Ba