addTerms

向广义线性回归模型添加项

折叠所有页面

语法

NewMdl = addTerms (mdl条款)

描述

例子

NewMdl= addTerms (mdl，条款）返回使用输入数据和设置拟合的广义线性回归模型mdl与条款条款补充道。

例子

全部折叠

向广义线性回归模型添加项

打开生活的脚本

使用一个预测器创建一个广义线性回归模型，然后添加另一个预测器。

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

建立Poisson数据的广义线性回归模型。在模型中只包含第一个预测因子。

mdl = fitglm (X, y,“y ~ x1”，“分布”，“泊松”）

mdl =广义线性回归模型:日志(y) ~ 1 + x1 =泊松分布估计系数:估计SE tStat pValue  ________ _________ ______ ______ ( 拦截)2.7784 0.014043 197.85 0 x1 1.1732 0.0033653 348.6 0 100观察,98错误自由度色散:1 x ^ 2-statistic与常数模型:1.25 e + 05, p值= 0

将第二个预测因子添加到模型中。

mdl1 = addTerms (mdl,“x2”）

mdl1 =广义线性回归模型:log(y) ~ 1 + x1 + x2分布= Poisson估计系数:Estimate SE tStat pValue ________ _________ ______ ______ (Intercept) 1.0405 0.022122 47.034 0 x1 0.9968 0.003362 296.49 0 x2 1.987 0.0063433 313.24 0 100个观测值，97个误差自由度1 Chi^2-statistic vs. constant model: 2.95e+05, p-value = 0

输入参数

全部折叠

`mdl`- - - - - -广义线性回归模型
`GeneralizedLinearModel`对象

广义线性回归模型，指定为GeneralizedLinearModel对象创建使用fitglm或stepwiseglm．

`条款`- - - - - -要添加到回归模型中的术语
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

要添加到回归模型中的术语mdl，指定为下列其中之一:

中的字符向量或字符串标量公式威尔金森符号表示一个或多个项的。公式中的变量名必须是MATLAB有效的^®标识符。
计算矩阵T的大小t——- - - - - -p,在那里t是多少项和p预测变量的数量在吗mdl．的价值T (i, j)是变量的指数吗j在术语我．
例如,假设mdl有三个变量一个，B,C这个顺序。每一行的T代表一个术语:
- (0 0 0)-常数项或截距
- (0 1 0)- - - - - -B；同样,A^0 * b ^1 * c ^0
- (1 0 1)- - - - - -* C
- (2 0 0)- - - - - -^ 2
- [0 1 2]- - - - - -B * (C ^ 2)

addTerms将一组指标性变量作为一个单独的变量来处理。因此，您不能指定要添加到模型中的指示器变量。如果你指定一个分类预测器添加到模型中，addTerms在一步中为预测器添加一组指示器变量。

输出参数

全部折叠

`NewMdl`-带有附加项的广义线性回归模型
`GeneralizedLinearModel`对象

带有附加项的广义线性回归模型，返回为GeneralizedLinearModel对象。NewMdl是否使用输入数据和设置的新拟合模型mdl附加条款在条款．

重写输入参数mdl，分配新拟合的模型mdl：

mdl = addTerms (mdl、条款);

威尔金森符号	标准符号术语
`1`	常数(拦截)
`x1 ^ k`,在那里`k`为正整数	`x1`，`x1²`、……`x1^k`
`x1 + x2`	`x1`，`x2`
`x1 * x2`	`x1`，`x2`，`x1 * x2`
`x1, x2`	`x1 * x2`只有
`x2`	不包括`x2`
`x1 * x2 + x3`	`x1`，`x2`，`x3`，`x1 * x2`
`X1 + x2 + x3 + X1:x2`	`x1`，`x2`，`x3`，`x1 * x2`
`x1 * x2 * x3 - x1, x2, x3`	`x1`，`x2`，`x3`，`x1 * x2`，`x1 * x3`，`x2 * x3`
`x1 * (x2 + x3)`	`x1`，`x2`，`x3`，`x1 * x2`，`x1 * x3`

算法

addTerms对分类预测器的处理如下:
- 一个有绝对预测器的模型l包括水平(类别)l- 1指标变量。模型使用第一个类别作为参考级别，因此不包含参考级别的指标变量。如果分类预测器的数据类型为分类，则可以使用类别并通过使用reordercats自定义参考级别。创建指标变量的详细信息请参见虚拟变量的自动创建．
- addTerms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dummyvar．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，如果指定的所有列dummyvar (X)并以截距项作为预测因子，使设计矩阵秩亏缺。
- 连续预测器和分类预测器之间的交互项l层次由元素的乘积组成l- 1带有连续预测器的指标变量。
- 两个类别预测因子之间的交互项l和米级别包括（l- 1) * (米- 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。