x2fx
预测矩阵转换为设计矩阵
语法
D = x2fx (X,
模型
)
D = x2fx (X,模型
categ)
D = x2fx (X,模型
、categ catlevels)
描述
D = x2fx (X,
转换矩阵的预测模型
)X
设计矩阵D
进行回归分析。不同的预测变量应该出现在不同的列X
。
可选的输入模型
控制回归模型。默认情况下,x2fx
返回一个线性相加模型的设计矩阵与一个常数项。模型
是下列之一:
“线性”
——常数和线性。这是默认的。“互动”
常数,线性和交互“二次”
常数,线性、交互和平方项“purequadratic”
常数,线性,平方项
如果X
有n列,列的顺序D
对于一个完整的二次模型是:
常数项
线性条件的列
X
,1、2、……n)交互条款(成对的列的产品下载188bet金宝搏
X
,(1、2),(1,3),…(1,n),(2,3),…,(n1,n))平方项(以1、2、……n)
其他模型使用这些术语的一个子集,在相同的顺序。
另外,模型
可以是一个多项式矩阵指定任意的顺序。在这种情况下,模型
应该为每一列一列X
为模型中每一项一行。在任何的行条目模型
相应的列的权力吗X
。例如,如果X
已经列X1
,X2
,X3
,然后一行[0 1 2]
在模型
指定这个词(X1。^ 0) * (X2 ^ 1)。* (X3。^ 2)
。连续的0模型
指定一个常数项,可以省略。
D = x2fx (X,
对列中列出的数字向量模型
categ)categ
作为分类变量。生产哑变量列条款涉及分类变量D
。虚拟变量的假设下计算可能的分类水平完全由独特的枚举值出现在相应的列X
。
D = x2fx (X,
接受一个向量模型
、categ catlevels)catlevels
一样的长度categ
,指定的数量在每个类别变量水平。在这种情况下,在相应的列值X
必须是整数的范围从1到指定数量的水平。并不是所有的水平需要出现在X
。
例子
版本历史
之前介绍过的R2006a