plotResiduals

类:线性矩阵模型

绘制线性混合效应模型的残差

在第页中展开全部

语法

绘图仪残差（lme，绘图仪类型）

绘图残差（lme、绘图类型、名称、值）

h=残差(___)

描述

例子

绘图仪残差(伦敦金属交易所,打印类型)绘制线性混合效应模型的原始条件残差伦敦金属交易所在指定类型的绘图中打印类型.

例子

绘图仪残差(伦敦金属交易所,打印类型,名称、值)还绘制了线性混合效应模型的残差伦敦金属交易所使用由一个或多个名称-值对参数指定的附加选项。例如，可以指定要绘制的残留类型。

plotResiduals还接受一些其他名称-值对参数，这些参数指定绘图中主线的属性。有关这些名称-值对，请参阅情节.

h=残差(___)返回一个句柄，h，到残差图中的线或面片。

输入参数

全部展开

`伦敦金属交易所`—线性混合效应模型
`线性矩阵模型`对象

线性混合效应模型，指定为线性矩阵模型使用fitlme或菲特尔梅矩阵.

`打印类型`—剩余地块类型
`“直方图”`（默认）|`“案件令”`|`“合适的”`|`“落后”`|`“概率”`|`“对称”`

剩余地块的类型，指定为下列之一。

`“直方图”`	默认值。残差直方图
`“案件令”`	残差与大小写(行)顺序
`“合适的”`	残差与拟合值
`“落后”`	残差与滞后残差(r(t)与r(t- 1))
`“概率”`	正态概率图
`“对称”`	对称的阴谋

例子:“滞后”plotResiduals (lme)

名称值参数

指定可选的逗号分隔的字符对名称、值参数。名字是参数名和价值为对应值。名字必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：Name1, Value1,…,的家.

`剩余类型`—残留型
`“生”`（默认）|`皮尔森的`|`“标准化”`

剩余类型，由逗号分隔的对指定剩余类型和下面的一个。

残留型有条件的边缘的

残留型	有条件的	边缘的
`“生”`	$r_{我}^{C} = {[y - X \hat{β} - Z \hat{b}]}_{我}$	$r_{我}^{M} = {[y - X \hat{β}]}_{我}$
`皮尔森的`	$p r_{我}^{C} = \frac{r_{我}^{C}}{{\sqrt{[{\hat{五一 r}}_{y, b} (y - X β - Z b)]}}_{我我}}$	$p r_{我}^{M} = \frac{r_{我}^{M}}{\sqrt{{[{\hat{五一 r}}_{y} (y - X β)]}_{我我}}}$
`“标准化”`	$t_{我}^{C} = \frac{r_{我}^{C}}{\sqrt{{[{\hat{五一 r}}_{y} (r^{C})]}_{我我}}}$	$t_{我}^{M} = \frac{r_{我}^{M}}{\sqrt{{[{\hat{五一 r}}_{y} (r^{M})]}_{我我}}}$

“生”

$r_{我}^{C} = {[y - X \hat{β} - Z \hat{b}]}_{我}$

$r_{我}^{M} = {[y - X \hat{β}]}_{我}$

皮尔森的

$p r_{我}^{C} = \frac{r_{我}^{C}}{{\sqrt{[{\hat{五一 r}}_{y, b} (y - X β - Z b)]}}_{我我}}$

$p r_{我}^{M} = \frac{r_{我}^{M}}{\sqrt{{[{\hat{五一 r}}_{y} (y - X β)]}_{我我}}}$

“标准化”

$t_{我}^{C} = \frac{r_{我}^{C}}{\sqrt{{[{\hat{五一 r}}_{y} (r^{C})]}_{我我}}}$

$t_{我}^{M} = \frac{r_{我}^{M}}{\sqrt{{[{\hat{五一 r}}_{y} (r^{M})]}_{我我}}}$

有关条件残差、边际残差和残差方差的更多信息，请参阅定义在这一页的末尾。

例子:“剩余类型”，“标准化”

输出参数

全部展开

`h`-剩余图的处理
手柄

剩余绘图的句柄，作为句柄返回。

例子

全部展开

检查残差

打开生活的脚本

加载示例数据。

装载(“重量，垫子”)

重量包含一项纵向研究的数据，其中20名受试者被随机分配到4个锻炼项目，他们的体重减轻记录在6个2周的时间段内。这是模拟数据。

将数据存储在表中。定义主题和节目作为分类变量。

tbl=表格（初始重量，计划，受试者，周，y）；tbl.Subject=分类（tbl.Subject）；tbl.Program=分类（tbl.Program）；

拟合线性混合效应模型，其中初始权重、项目类型、周以及周与项目类型之间的相互作用为固定效应。截取时间和截取时间因主题而异。

lme=fitlme（待定，'y~初始体重+计划*周+（周|受试者）'）;

绘制原始残差的直方图。

绘图仪残差（lme）

图中包含一个轴对象。标题为残差直方图的坐标轴对象包含一个patch类型的对象。

绘制残差与拟合值的对比图。

绘图仪残差（lme，“合适的”)

图中包含一个轴对象。标题为残差与拟合值的Plot的轴对象包含两个类型为line的对象。

没有明显的模式，因此没有异方差的直接迹象。

创建残差的正态概率图。

绘图仪残差（lme，“概率”)

图中包含一个Axis对象。标题为残差正态概率图的Axis对象包含2个line类型的对象。

数据似乎正常。

在图的右侧找到似乎是异常值的数据的观察值。

查找（残差（lme）>0.25）

ans=101

创建一个原始、皮尔逊和标准化残差的箱形图。

r =残差(lme);公关=残差(lme,“剩余类型”,皮尔森的）;圣=残差(lme,“剩余类型”,“标准化”)；X=[r pr st]；箱线图（X，“标签”, {“生”,皮尔森的,“标准化”})

图中包含一个axes对象。axes对象包含21个line类型的对象。

所有三个方框图都指出了分布右尾的异常值。原始残差和皮尔逊残差的方框图也指出了左尾第二个可能的异常值。找到相应的观测值。

查找（pr<-2）

ans = 10

绘制原始残差与滞后残差。

绘图仪残差（lme，“落后”)

图中包含一个轴对象。带有残差与滞后残差标题图的轴对象包含3个line类型的对象。

图中没有明显的规律。残差似乎不相关。

另见

线性矩阵模型|残差|合身

统计和机器学习工具箱文档

金宝app

掌握机器学习：用MATLAB逐步指导

下载电子书

plotResiduals

语法

描述

输入参数

伦敦金属交易所—线性混合效应模型线性矩阵模型对象

打印类型—剩余地块类型“直方图”（默认）|“案件令”|“合适的”|“落后”|“概率”|“对称”

名称值参数

剩余类型—残留型“生”（默认）|皮尔森的|“标准化”

输出参数

h-剩余图的处理手柄

例子

检查残差

另见

统计和机器学习工具箱文档

金宝app

掌握机器学习：用MATLAB逐步指导

`伦敦金属交易所`—线性混合效应模型
`线性矩阵模型`对象

`打印类型`—剩余地块类型
`“直方图”`（默认）|`“案件令”`|`“合适的”`|`“落后”`|`“概率”`|`“对称”`

`剩余类型`—残留型
`“生”`（默认）|`皮尔森的`|`“标准化”`

`h`-剩余图的处理
手柄