removeterms.

从广义线性回归模型中删除术语

在页面上崩溃

句法

newmdl = removeterms（mdl，术语）

描述

例子

newmdl.= removeterms（mdl那条款的）返回使用输入数据和设置拟合的广义线性回归模型mdl凭借这些条款条款删除了。

例子

全部折叠

从广义线性回归模型中移除项

打开生活的脚本

使用两个预测器创建广义线性回归模型，然后删除一个预测器。

使用具有两个潜在预测因子的泊松随机数生成样本数据X (: 1)和X (:, 2)．

rng (“默认”的）%的再现性rndvars = randn (100 2);X = [2 + rndvars(:，1)，rndvars(:，2)];mu = exp(1 + X*[1;2]);y = poissrnd(μ);

创建泊松数据的广义线性回归模型。

mdl = fitglm（x，y，'y〜x1 + x2'那'分配'那'泊松'的）

MDL =广义线性回归模型：日志（y）的〜1 + X1 + X2分布=泊松估计系数：估计SE TSTAT p值________ _________ ______（截距）1.0405 0.022122 47.034 0 X1 0.9968 0.003362 296.49 0×2 1.987 0.0063433 313.24 0 100观察，97个误差自由度分散：1 chi ^ 2统计与常数型号：2.95e + 05，p值= 0

从模型中移除第二个预测因子。

mdl1 = removeterms（mdl，“x2”的）

MDL1 =广义线性回归模型：log（y）〜1 + x1分布=泊松估计系数：估计se tstat pvalue ______________ _____________________________________：1 CHI ^ 2统计与常数型号：1.25E + 05，P值= 0

输入参数

全部折叠

`mdl`-广义线性回归模型
`GeneralizedLinearModel.`目的

广义线性回归模型，指定为GeneralizedLinearModel.使用的对象使用Fitglm.或挺身油．

`条款`-从回归模型中删除的术语
威尔金森符号中的字符向量或字符串标量公式|T.——- - - - - -P.计算矩阵

从回归模型中删除的术语mdl，指定为以下之一：

字符矢量或字符串标量公式Wilkinson表示法代表一个或多个术语。公式中的变量名称必须是有效的MATLAB^®身份标识。
术语矩阵T.的大小T.——- - - - - -P.，在哪里T.是多少项和P.预测变量的数量在吗mdl．的价值T（i，j）是变量的指数j术语一世．
例如，假设mdl有三个变量一种那B.,C以该顺序。每一排T.代表一个术语：
- (0 0 0)- 持续术语或拦截
- [0 1 0]-B.;同等，a ^ 0 * b ^ 1 * c ^ 0
- (1 0 1)-* C
- [2 0 0]-^ 2
- [0 1 2]-B * (C ^ 2)

removeterms.将一组指标性变量作为一个单独的变量来处理。因此，您不能指定要从模型中删除的指标变量。如果你指定了一个要从模型中移除的分类预测器，removeterms.在一步中删除预测器的一组指示器变量。

输出参数

全部折叠

`newmdl.`-较少项的广义线性回归模型
`GeneralizedLinearModel.`目的

术语的概括线性回归模型，术语较少，作为a返回GeneralizedLinearModel.对象。newmdl.是否使用输入数据和设置的新拟合模型mdl使用指定的条款条款已经从...删除mdl．

覆盖输入参数mdl，将新安装的模型分配给mdl：

mdl = removeTerms (mdl、条款);

Wilkinson表示法	标准符号术语
`1`	常数（拦截）术语
`X1 ^ K.`，在哪里`K.`是一个正整数	`X1`那`X1²`，......，`X1^K.`
`x1 + x2`	`X1`那`X2.`
`x1 * x2`	`X1`那`X2.`那`x1 * x2`
`x1, x2`	`x1 * x2`只有
`-x2`	不包括`X2.`
`x1 * x2 + x3`	`X1`那`X2.`那`X3`那`x1 * x2`
`x1 + x2 + x3 + x1：x2`	`X1`那`X2.`那`X3`那`x1 * x2`
`x1 * x2 * x3 - x1：x2：x3`	`X1`那`X2.`那`X3`那`x1 * x2`那`x1 * x3`那`x2 * x3`
`x1 *（x2 + x3）`	`X1`那`X2.`那`X3`那`x1 * x2`那`x1 * x3`

算法

removeterms.处理分类预测器，如下所示：
- 具有分类预测指标的模型L.级别（类别）包括L.- 1指示器变量。该模型使用第一个类别作为参考级别，因此它不包括参考级别的指示变量。如果分类预测器的数据类型是分类，则可以使用类别并通过使用重新排序类别reordercats自定义参考级别。有关创建指示器变量的更多详细信息，请参阅虚拟变量的自动创建．
- removeterms.对待一组L.- 1指示器变量作为一个单独的变量。如果您想将指示器变量视为不同的预测变量，可以使用戴维尔．然后在拟合模型时，使用除分类变量参考水平对应的指标变量外的其他指标变量。对于绝对预测器X，如果指定所有列dummyvar (X)并以截距项作为预测因子，使设计矩阵秩亏缺。
- 连续预测因子与分类预测因子之间的交互术语L.层次由元素的乘积组成L.- 1具有连续预测器的指示器变量。
- 两个分类预测因子之间的交互术语L.和M.级别包括（L.- 1）*（M.- 1)指标变量包括两个分类预测水平的所有可能组合。
- 不能为绝对预测器指定高阶项，因为指示器的平方等于它本身。