主要内容gydF4y2Ba

designMatrixgydF4y2Ba

类:gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba

固定和随机设计矩阵gydF4y2Ba

扩展所有的页面gydF4y2Ba

语法gydF4y2Ba

D = designMatrix (glme)gydF4y2Ba
D = designMatrix (glme '固定')gydF4y2Ba
D = designMatrix (glme“随机”)gydF4y2Ba
Dsub = designMatrix (glme,“随机”,gnumbers)gydF4y2Ba
[Dsub, gnames] = designMatrix (glme,“随机”,gnumbers)gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

DgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba)gydF4y2Ba或gydF4y2BaDgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“固定”gydF4y2Ba)gydF4y2Ba返回固定后果设计矩阵的广义线性mixed-effects模型gydF4y2BaglmegydF4y2Ba。gydF4y2Ba

例子gydF4y2Ba

DgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“随机”gydF4y2Ba)gydF4y2Ba返回随机设计矩阵的广义线性mixed-effects模型gydF4y2BaglmegydF4y2Ba。gydF4y2Ba

DsubgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“随机”gydF4y2Ba,gydF4y2BagnumbersgydF4y2Ba)gydF4y2Ba返回一个随机的子集设计矩阵的广义线性mixed-effects模型gydF4y2BaglmegydF4y2Ba对应的分组变量表示gydF4y2BagnumbersgydF4y2Ba。gydF4y2Ba

(gydF4y2BaDsubgydF4y2Ba,gydF4y2BagnamesgydF4y2Ba)= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“随机”gydF4y2Ba,gydF4y2BagnumbersgydF4y2Ba)gydF4y2Ba还返回分组对应的变量名gydF4y2BagnumbersgydF4y2Ba。gydF4y2Ba

输入参数gydF4y2Ba

全部展开gydF4y2Ba

广义线性mixed-effects模型,指定为一个gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba对象。该对象的属性和方法,请参阅gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba。gydF4y2Ba

分组变量数据,指定为一个整数值数组元素包含范围(1,gydF4y2BaRgydF4y2Ba),gydF4y2BaRgydF4y2Ba是单元阵列的长度,包含分组变量广义线性mixed-effects模型吗gydF4y2BaglmegydF4y2Ba。gydF4y2Ba

例如,您可以指定分组变量ggydF4y2Ba1gydF4y2BaggydF4y2Ba3gydF4y2Ba,和ggydF4y2BargydF4y2Ba作为gydF4y2Ba(1、3 r)gydF4y2Ba。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

输出参数gydF4y2Ba

全部展开gydF4y2Ba

设计矩阵的广义线性mixed-effects模型gydF4y2BaglmegydF4y2Ba返回以下之一:gydF4y2Ba

  • 固定后果设计矩阵,gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BapgydF4y2Ba固定后果设计矩阵的矩阵组成gydF4y2BaglmegydF4y2Ba,在那里gydF4y2BangydF4y2Ba是观察和的数量吗gydF4y2BapgydF4y2Ba是固定后果的数量条款。固定后果条件的顺序gydF4y2BaDgydF4y2Ba匹配项的顺序gydF4y2BaCoefficientNamesgydF4y2Ba财产的gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba对象gydF4y2BaglmegydF4y2Ba。gydF4y2Ba

  • 随机设计矩阵,gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BakgydF4y2Ba随机设计组成的矩阵,矩阵的gydF4y2BaglmegydF4y2Ba。在这里,gydF4y2BakgydF4y2Ba等于gydF4y2Ba长度(B)gydF4y2Ba,在那里gydF4y2BaBgydF4y2Ba是随机系数向量的广义线性mixed-effects模型gydF4y2BaglmegydF4y2Ba。返回的随机设计矩阵是稀疏矩阵。有关更多信息,请参见gydF4y2Ba稀疏矩阵gydF4y2Ba。gydF4y2Ba

    如果gydF4y2BaglmegydF4y2Ba有gydF4y2BaRgydF4y2Bag分组变量gydF4y2Ba1gydF4y2BaggydF4y2Ba2gydF4y2Ba、……ggydF4y2BaRgydF4y2Ba,水平gydF4y2Ba米gydF4y2Ba1gydF4y2Ba,gydF4y2Ba米gydF4y2Ba2gydF4y2Ba、……gydF4y2Ba米gydF4y2BaRgydF4y2Ba分别,如果gydF4y2Ba问gydF4y2Ba1gydF4y2Ba,gydF4y2Ba问gydF4y2Ba2gydF4y2Ba、……gydF4y2Ba问gydF4y2BaRgydF4y2Ba是相关的随机向量的长度与ggydF4y2Ba1gydF4y2BaggydF4y2Ba2gydF4y2Ba、……ggydF4y2BaRgydF4y2Ba然后分别gydF4y2BaBgydF4y2Ba是一个列向量的长度gydF4y2Ba问gydF4y2Ba1gydF4y2Ba*gydF4y2Ba米gydF4y2Ba1gydF4y2Ba+gydF4y2Ba问gydF4y2Ba2gydF4y2Ba*gydF4y2Ba米gydF4y2Ba2gydF4y2Ba+……+gydF4y2Ba问gydF4y2BaRgydF4y2Ba*gydF4y2Ba米gydF4y2BaRgydF4y2Ba。gydF4y2Ba

    BgydF4y2Ba是由连接随机效应的经验贝叶斯预测向量对应于每一层的每个分组变量gydF4y2Ba(ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba2gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba2gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba2gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba2gydF4y2Ba;…;ggydF4y2BaRgydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2BaRgydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2BaRgydF4y2Ba水平gydF4y2Ba米gydF4y2BaRgydF4y2Ba]“gydF4y2Ba。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

随机设计矩阵的子矩阵对应于指定的分组变量gydF4y2BagnumbersgydF4y2Ba,作为一个返回gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BakgydF4y2Ba矩阵,gydF4y2BakgydF4y2Ba列向量的长度吗gydF4y2BaBsubgydF4y2Ba。gydF4y2Ba

BsubgydF4y2Ba包含连接经验贝叶斯预测随机向量,每个级别对应的分组变量,通过指定gydF4y2BagnumbersgydF4y2Ba。gydF4y2Ba

例如,如果gydF4y2BagnumbersgydF4y2Ba是gydF4y2Ba(1、3 r)gydF4y2Ba这对应于g分组变量gydF4y2Ba1gydF4y2BaggydF4y2Ba3gydF4y2Ba,和ggydF4y2BargydF4y2Ba。然后,gydF4y2BaBsubgydF4y2Ba包含了经验贝叶斯预测随机向量的每个级别对应的分组变量ggydF4y2Ba1gydF4y2BaggydF4y2Ba3gydF4y2Ba,和ggydF4y2BargydF4y2Ba,如gydF4y2Ba

(ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba3gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba3gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba3gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba3gydF4y2Ba;ggydF4y2BargydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2BargydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2BargydF4y2Ba水平gydF4y2Ba米gydF4y2BargydF4y2Ba]“gydF4y2Ba。gydF4y2Ba

因此,gydF4y2BaDsub * BsubgydF4y2Ba代表所有随机效应的贡献相应g分组变量gydF4y2Ba1gydF4y2BaggydF4y2Ba3gydF4y2Ba,和ggydF4y2BargydF4y2Ba的反应gydF4y2BaglmegydF4y2Ba。gydF4y2Ba

如果gydF4y2BagnumbersgydF4y2Ba是空的,然后gydF4y2BaDsubgydF4y2Ba完全随机设计矩阵。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

分组名称变量对应的整数gydF4y2BagnumbersgydF4y2Ba如果设计类型gydF4y2Ba“随机”gydF4y2Ba,返回gydF4y2BakgydF4y2Ba1单元阵列。如果设计类型gydF4y2Ba“固定”gydF4y2Ba,然后gydF4y2BagnamesgydF4y2Ba是一个空矩阵gydF4y2Ba[]gydF4y2Ba。gydF4y2Ba

数据类型:gydF4y2Ba细胞gydF4y2Ba

例子gydF4y2Ba

全部展开gydF4y2Ba

打开生活的脚本gydF4y2Ba

加载示例数据。gydF4y2Ba

负载gydF4y2Ba生产商gydF4y2Ba

这个模拟的数据从一个制造公司,经营世界各地50个工厂,每个工厂运行一个批处理创建一个成品。公司想要减少缺陷的数量在每一批,所以发明了一种新的制造过程。为了测试新流程的有效性,公司随机选择20的工厂参加一个实验:十个工厂实施新的流程,而其他十继续运行旧的流程。在每个20家工厂,公司跑五个批次(100批次),记录以下数据:gydF4y2Ba

  • 标志表明这批是否使用新工艺(gydF4y2BanewprocessgydF4y2Ba)gydF4y2Ba

  • 每一批处理时间,小时(gydF4y2Ba时间gydF4y2Ba)gydF4y2Ba

  • 批处理的温度在摄氏度(gydF4y2Ba临时gydF4y2Ba)gydF4y2Ba

  • 分类变量指示供应商(gydF4y2Ba一个gydF4y2Ba,gydF4y2BaBgydF4y2Ba,或gydF4y2BaCgydF4y2Ba)的化学用于批处理(gydF4y2Ba供应商gydF4y2Ba)gydF4y2Ba

  • 批处理的缺陷数量(gydF4y2Ba缺陷gydF4y2Ba)gydF4y2Ba

数据还包括gydF4y2Batime_devgydF4y2Ba和gydF4y2Batemp_devgydF4y2Ba代表时间的绝对偏差和温度,分别从流程标准的3小时20摄氏度。gydF4y2Ba

适合一个广义线性mixed-effects模型使用gydF4y2BanewprocessgydF4y2Ba,gydF4y2Batime_devgydF4y2Ba,gydF4y2Batemp_devgydF4y2Ba,gydF4y2Ba供应商gydF4y2Ba固定后果预测。包括一个随机拦截分组的gydF4y2Ba工厂gydF4y2Ba,考虑到质量差异,可能存在由于factory-specific变化。响应变量gydF4y2Ba缺陷gydF4y2Ba泊松分布,适当的日志链接函数模型。使用拉普拉斯合适方法来估计系数。指定哑变量编码gydF4y2Ba“影响”gydF4y2Ba,所以哑变量系数之和为0。gydF4y2Ba

缺陷的数量可以使用泊松分布建模gydF4y2Ba

缺陷gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ∼gydF4y2Ba 泊松gydF4y2Ba (gydF4y2Ba μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba )gydF4y2Ba 。gydF4y2Ba

这对应于广义线性mixed-effects模型gydF4y2Ba

日志gydF4y2Ba (gydF4y2Ba μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba )gydF4y2Ba =gydF4y2Ba βgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba βgydF4y2Ba 1gydF4y2Ba newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 2gydF4y2Ba 时间gydF4y2Ba _gydF4y2Ba devgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 3gydF4y2Ba 临时gydF4y2Ba _gydF4y2Ba devgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 4gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba CgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba βgydF4y2Ba 5gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba BgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba bgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba

在哪里gydF4y2Ba

  • 缺陷gydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是缺陷的数量在批量生产的工厂吗gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba 。gydF4y2Ba

  • μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 缺陷对应的平均数量是工厂吗gydF4y2Ba 我gydF4y2Ba (gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 。gydF4y2Ba 。gydF4y2Ba 。gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba 0gydF4y2Ba 在批处理)gydF4y2Ba jgydF4y2Ba (gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 。gydF4y2Ba 。gydF4y2Ba 。gydF4y2Ba ,gydF4y2Ba 5gydF4y2Ba )。gydF4y2Ba

  • newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 时间gydF4y2Ba _gydF4y2Ba devgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 临时gydF4y2Ba _gydF4y2Ba devgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 每个变量的测量是对应于工厂吗gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba 。例如,gydF4y2Ba newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 指示是否批量生产的工厂gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba 使用新工艺。gydF4y2Ba

  • 供应商gydF4y2Ba _gydF4y2Ba CgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 和gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba BgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 虚拟变量,使用效果(总和为零)编码来表示是否公司吗gydF4y2BaCgydF4y2Ba或gydF4y2BaBgydF4y2Ba分别提供工厂生产的批处理过程的化学物质gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba 。gydF4y2Ba

  • bgydF4y2Ba 我gydF4y2Ba ∼gydF4y2Ba NgydF4y2Ba (gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba σgydF4y2Ba bgydF4y2Ba 2gydF4y2Ba )gydF4y2Ba 是一个随机拦截每个工厂吗gydF4y2Ba 我gydF4y2Ba 占factory-specific质量的变化。gydF4y2Ba

glme = fitglme(生产商,gydF4y2Ba的缺陷~ 1 + newprocess + time_dev + temp_dev +供应商+(1 |工厂)'gydF4y2Ba,gydF4y2Ba“分布”gydF4y2Ba,gydF4y2Ba“泊松”gydF4y2Ba,gydF4y2Ba“链接”gydF4y2Ba,gydF4y2Ba“日志”gydF4y2Ba,gydF4y2Ba“FitMethod”gydF4y2Ba,gydF4y2Ba“拉普拉斯”gydF4y2Ba,gydF4y2Ba“DummyVarCoding”gydF4y2Ba,gydF4y2Ba“影响”gydF4y2Ba);gydF4y2Ba

提取固定后果设计矩阵和显示行1到10。gydF4y2Ba

教育部= designMatrix (glme,gydF4y2Ba“固定”gydF4y2Ba);disp (Dfe (1:10)):gydF4y2Ba
1.0000 0 0 0 0.1834 0.2259 1.0000 1.0000 0.3035 0.0725 1.0000 1.0000 - 1.0000 0.0717 0.1630 1.0000 0 0 0.1069 0.0809 -1.0000 -1.0000 1.0000 1.0000 0.0241 0.0319 1.0000 0 0 0.1214 0.1114 1.0000 1.0000 - 1.0000 0.0033 0.0553 1.0000 0 0 0 0 0 0.2350 0.0616 1.0000 1.0000 0.0488 - 0.0177 1.0000 - 1.0000 0.1148 0.0105 1.0000 0gydF4y2Ba

第一列的固定后果设计矩阵gydF4y2Ba教育部gydF4y2Ba包含常数项。列2,3,4包含gydF4y2BanewprocessgydF4y2Ba,gydF4y2Batime_devgydF4y2Ba,gydF4y2Batemp_devgydF4y2Ba,分别。列5和6包含虚拟变量gydF4y2Basupplier_CgydF4y2Ba和gydF4y2Basupplier_BgydF4y2Ba,分别。gydF4y2Ba

提取随机设计矩阵和显示行1到10。gydF4y2Ba

Dre = designMatrix (glme,gydF4y2Ba“随机”gydF4y2Ba);disp (Dre (1:10)):gydF4y2Ba
(1,1)1(2,1)1(3,1)1(4,1)1(1)1(2)1(7,2)1(8,2)1(9日2)1 (10,2)1gydF4y2Ba

将稀疏矩阵gydF4y2Ba衣服gydF4y2Ba一个完整的矩阵和显示行1到10。gydF4y2Ba

完整的(Dre (1:10,:))gydF4y2Ba
ans =gydF4y2Ba10×20gydF4y2Ba1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0gydF4y2Ba

每一列对应一个级别的分组变量gydF4y2Ba工厂gydF4y2Ba。gydF4y2Ba

另请参阅gydF4y2Ba

|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba

统计和机器学习工具箱文档gydF4y2Ba

金宝app

掌握机器学习:一个循序渐进的指导与MATLABgydF4y2Ba

掌握机器学习:一个循序渐进的指导与MATLABgydF4y2Ba

下载电子书gydF4y2Ba