主要内容gydF4y2Ba

安装gydF4y2Ba

类:gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba

广义线性混合效应模型的拟合响应gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

mufitgydF4y2Ba=安装(gydF4y2BaglmegydF4y2Ba)gydF4y2Ba返回广义线性混合效应模型的拟合条件响应gydF4y2BaglmegydF4y2Ba.gydF4y2Ba

mufitgydF4y2Ba=安装(gydF4y2BaglmegydF4y2Ba,gydF4y2Ba名称,值gydF4y2Ba)gydF4y2Ba返回符合要求的响应,并提供由一个或多个名称-值对参数指定的附加选项。例如,您可以指定来计算边际拟合响应。gydF4y2Ba

输入参数gydF4y2Ba

全部展开gydF4y2Ba

广义线性混合效应模型,指定为gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba对象。有关此对象的属性和方法,请参见gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba.gydF4y2Ba

名称-值参数gydF4y2Ba

指定可选的逗号分隔的对gydF4y2Ba名称,值gydF4y2Ba参数。gydF4y2Ba的名字gydF4y2Ba参数名和gydF4y2Ba价值gydF4y2Ba为对应值。gydF4y2Ba的名字gydF4y2Ba必须出现在引号内。可以以任意顺序指定多个名称和值对参数gydF4y2BaName1, Value1,…,的家gydF4y2Ba.gydF4y2Ba

条件响应指示符,指定为逗号分隔对,由gydF4y2Ba“条件”gydF4y2Ba下面是其中之一。gydF4y2Ba

价值gydF4y2Ba 描述gydF4y2Ba
真正的gydF4y2Ba 固定效应和随机效应的贡献(条件)gydF4y2Ba
假gydF4y2Ba 仅来自固定效应的贡献(边际)gydF4y2Ba

为了得到拟合的边际响应值,gydF4y2Ba安装gydF4y2Ba利用随机效应的经验贝叶斯预测向量计算响应的条件均值gydF4y2BabgydF4y2Ba设为0。有关更多信息,请参见gydF4y2Ba条件和边际反应gydF4y2Ba

例子:gydF4y2Ba“有条件的”,假的gydF4y2Ba

输出参数gydF4y2Ba

全部展开gydF4y2Ba

拟合的响应值,返回为gydF4y2BangydF4y2Ba1的向量,gydF4y2BangydF4y2Ba为观察次数。gydF4y2Ba

例子gydF4y2Ba

全部展开gydF4y2Ba

加载示例数据。gydF4y2Ba

负载gydF4y2Ba生产商gydF4y2Ba

这些模拟数据来自一家在世界各地运营50家工厂的制造公司,每个工厂运行一个批处理流程来创建成品。该公司想要减少每批的缺陷数量,所以它开发了一种新的制造工艺。为了测试新工艺的有效性,该公司随机挑选了20家工厂参与实验:10家工厂实施了新工艺,而其他10家继续运行旧工艺。在20家工厂中,公司分别运行了5批(共100批),并记录了以下数据:gydF4y2Ba

  • 标志,以指示批是否使用新工艺(gydF4y2BanewprocessgydF4y2Ba)gydF4y2Ba

  • 每批处理所需时间(以小时计)(gydF4y2Ba时间gydF4y2Ba)gydF4y2Ba

  • 批次的温度,以摄氏度计(gydF4y2Ba临时gydF4y2Ba)gydF4y2Ba

  • 表示供应商的分类变量(gydF4y2Ba一个gydF4y2Ba,gydF4y2BaBgydF4y2Ba,或gydF4y2BaCgydF4y2Ba)所使用的该批化学品(gydF4y2Ba供应商gydF4y2Ba)gydF4y2Ba

  • 批次缺陷数(gydF4y2Ba缺陷gydF4y2Ba)gydF4y2Ba

数据还包括gydF4y2Batime_devgydF4y2Ba和gydF4y2Batemp_devgydF4y2Ba,分别表示时间和温度与20摄氏度下3小时的工艺标准的绝对偏差。gydF4y2Ba

拟合一个广义线性混合效应模型使用gydF4y2BanewprocessgydF4y2Ba,gydF4y2Batime_devgydF4y2Ba,gydF4y2Batemp_devgydF4y2Ba,gydF4y2Ba供应商gydF4y2Ba固定后果预测。包括一个随机效应术语,用于分组的拦截gydF4y2Ba工厂gydF4y2Ba,以考虑由于工厂特定差异可能存在的质量差异。响应变量gydF4y2Ba缺陷gydF4y2Ba的泊松分布,该模型的适当链接函数是对数。用拉普拉斯拟合方法估计系数。指定虚拟变量编码为gydF4y2Ba“影响”gydF4y2Ba,所以哑变量系数和为0。gydF4y2Ba

缺陷的数量可以用泊松分布来建模gydF4y2Ba

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

这与广义线性混合效应模型相对应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 3.gydF4y2Ba 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 在工厂生产的批次中是否观察到缺陷的数量gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba .gydF4y2Ba

  • μgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 平均缺陷数是否与工厂相应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 每个变量的测量值是否与工厂相对应gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba .例如,gydF4y2Ba newprocessgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 指示该批次是否由工厂生产gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba 使用新方法gydF4y2Ba

  • 供应商gydF4y2Ba _gydF4y2Ba CgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 和gydF4y2Ba 供应商gydF4y2Ba _gydF4y2Ba BgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是否使用效应(sum-to-zero)编码的虚拟变量表明是否公司gydF4y2BaCgydF4y2Ba或gydF4y2BaBgydF4y2Ba,分别为工厂生产的批次提供工艺用化学品gydF4y2Ba 我gydF4y2Ba 在批处理gydF4y2Ba jgydF4y2Ba .gydF4y2Ba

  • bgydF4y2Ba 我gydF4y2Ba ∼gydF4y2Ba NgydF4y2Ba (gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba σgydF4y2Ba bgydF4y2Ba 2gydF4y2Ba )gydF4y2Ba 每个工厂都有随机效果拦截吗gydF4y2Ba 我gydF4y2Ba 这就解释了工厂特有的质量差异。gydF4y2Ba

glme = fitglme(生产商,gydF4y2Ba'缺陷~ 1 + newprocess + time_dev + temp_dev + supplier + (1|factory)'gydF4y2Ba,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

生成模型的拟合条件均值。gydF4y2Ba

mufit =安装(glme);gydF4y2Ba

创建观测值与拟合值的散点图。gydF4y2Ba

图散射(mfr.defects mufit)标题(gydF4y2Ba“残差与拟合值”gydF4y2Ba)包含(gydF4y2Ba的拟合值gydF4y2Ba) ylabel (gydF4y2Ba“残差”gydF4y2Ba)gydF4y2Ba

图中包含一个轴对象。标题为残差与拟合值的轴对象包含一个散点类型的对象。gydF4y2Ba

更多关于gydF4y2Ba

全部展开gydF4y2Ba