残差

类:LinearMixedModel

拟合线性混合效应模型的残差

全部展开页面

语法

R =残差(lme)

R =残差(lme、名称、值)

描述

例子

R=残差(lme三个月）返回拟合线性混合效应模型的原始条件残差lme三个月．

例子

R=残差(lme三个月，名称,值）返回线性混合效应模型的残差lme三个月附加选项由一个或多个指定名称,值对参数。

例如，您可以指定皮尔逊或标准化残差，或仅来自固定效应的残差。

输入参数

全部展开

`lme三个月`- - - - - -线性mixed-effects模型
`LinearMixedModel`对象

线性混合效应模型，指定为LinearMixedModel对象构造使用fitlme或fitlmematrix．

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

`有条件的`- - - - - -条件残差指示器
`真正的`(默认)|`假`

条件剩余的指示符，指定为逗号分隔对，由“条件”下面是其中之一。

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

例子:“条件”,假的

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

剩余类型，由逗号分隔的对指定ResidualType下面是其中之一。

剩余的类型有条件的边际

剩余的类型	有条件的	边际
`“生”`	$r_{我}^{C} ＝ {［ y - X \overset{＾}{β} - Z \overset{＾}{b} ］}_{我}$	$r_{我}^{米} ＝ {［ y - X \overset{＾}{β} ］}_{我}$
`皮尔森的`	$p r_{我}^{C} ＝ \frac{r_{我}^{C}}{{\sqrt{［ {\overset{＾}{V 一个 r}}_{y ， b} （ y - X β - Z b ）］}}_{我我}}$	$p r_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ y - X β ）］}_{我我}}}$
`“标准化”`	$年代 t_{我}^{C} ＝ \frac{r_{我}^{C}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{C} ）］}_{我我}}}$	$年代 t_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{米} ）］}_{我我}}}$

“生”

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

$r_{我}^{米} ＝ {［ y - X \overset{＾}{β} ］}_{我}$

皮尔森的

$p r_{我}^{C} ＝ \frac{r_{我}^{C}}{{\sqrt{［ {\overset{＾}{V 一个 r}}_{y ， b} （ y - X β - Z b ）］}}_{我我}}$

$p r_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ y - X β ）］}_{我我}}}$

“标准化”

$年代 t_{我}^{C} ＝ \frac{r_{我}^{C}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{C} ）］}_{我我}}}$

$年代 t_{我}^{米} ＝ \frac{r_{我}^{米}}{\sqrt{{［ {\overset{＾}{V 一个 r}}_{y} （ r^{米} ）］}_{我我}}}$

有关条件残差和边际残差及残差方差的更多信息，请参阅定义在这一页的末尾。

例子:“ResidualType”、“标准化”

输出参数

全部展开

`R`-残差
n1的向量

拟合线性混合效应模型的残差lme三个月作为一个返回n1的向量,n为观察次数。

例子

全部展开

绘制残差与拟合值

打开生活的脚本

加载示例数据。

负载(“weight.mat”）;

重量包含纵向研究的数据，20名受试者被随机分配到4个运动项目，他们的减肥记录超过6个2周的时间周期。这是模拟数据。

将数据存储在表中。定义主题和程序作为分类变量。

台=表(InitialWeight、程序、主题周,y);资源描述。主题=名义(tbl.Subject);资源描述。程序=名义(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(资源描述,'y ~ InitialWeight + Program*Week + (Week|Subject)'）;

计算拟合值和原始残差。

F =安装(lme);R =残差(lme);

绘制残差与拟合值的关系。

情节(F R“软”)包含(的拟合值) ylabel (“残差”）

图中包含一个轴对象。axis对象包含一个类型为line的对象。

现在，把残差和拟合值绘制出来，按程序分组。

图();gscatter (F R程序)

图中包含一个轴对象。轴对象包含4个类型为line的对象。这些对象代表A, B, C, D。

残差在程序的各个层次上的行为似乎与预期的相似。

计算条件和边际皮尔森残差

打开生活的脚本

加载示例数据。

负载carbig

将每加仑英里(MPG)、加速、马力、汽缸和车型年的变量存储在一个表格中。

台=表(MPG、加速度、马力、汽缸Model_Year);

拟合每加仑英里数(MPG)的线性混合效应模型，其中加速度、马力和汽缸的影响是固定的，按模型年份分组的截距和加速度的潜在随机效应是相关的。

lme = fitlme(资源描述,'MPG ~加速度+马力+气缸+(加速度|Model_Year)'）;

计算条件皮尔逊残差并显示前5个残差。

公关=残差(lme,“ResidualType”，皮尔森的）;公关(1:5)

ans =5×1-0.0533 0.0652 0.3655 -0.0106 0.3340

计算边际皮尔森残差并显示前5个残差。

人口、难民和移民事务局=残差(lme,“ResidualType”，皮尔森的，“条件”、假);人口、难民和移民事务局(1:5)

ans =5×1-0.1250 0.0130 0.3242 -0.0861 -0.3006

检验残差

打开生活的脚本

加载示例数据。

负载carbig

将每加仑英里(MPG)、加速、马力、汽缸和车型年的变量存储在一个表格中。

台=表(MPG、加速度、马力、汽缸Model_Year);

拟合每加仑英里数(MPG)的线性混合效应模型，其中加速度、马力和汽缸的影响是固定的，按模型年份分组的截距和加速度的潜在随机效应是相关的。

lme = fitlme(资源描述,'MPG ~加速度+马力+气缸+(加速度|Model_Year)'）;

绘制一个正常拟合的原始残差的直方图。

r =残差(lme);histfit(右)

图中包含一个轴对象。axis对象包含两个类型为bar, line的对象。

正态分布似乎很适合残差。

计算条件皮尔森残差和标准化残差，并创建所有三种残差的箱形图。

公关=残差(lme,“ResidualType”，皮尔森的）;圣=残差(lme,“ResidualType”，“标准化”）;X = [r pr st];箱线图(X)

图中包含一个轴对象。axis对象包含21个类型为line的对象。

红色加号表示残差在上面或下面的观测值 $问 3. + 1 ． 5 （问 3. - 问 1 ）$ 和 $问 1 - 1 ． 5 （问 3. - 问 1 ）$ ,在那里 $问 1$ 和 $问 3.$ 分别是第25和75个百分位数。

找出残差在平均值上下为2.5个标准差的观测值。

找到(r >的意思是(r,“omitnan”) + 2.5 *性病(r,“omitnan”）)

ans =7×162 252 255 330 337 341 396

找到(r <意味着(r,“omitnan”) - 2.5 *性病(r,“omitnan”）)

ans =3×1119 324 375

另请参阅

LinearMixedModel|安装|plotResiduals|响应

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

下载电子书

残差

语法

描述

输入参数

`lme三个月`- - - - - -线性mixed-effects模型
`LinearMixedModel`对象

名称-值参数

`有条件的`- - - - - -条件残差指示器
`真正的`(默认)|`假`

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

输出参数

`R`-残差
n1的向量

例子

绘制残差与拟合值

计算条件和边际皮尔森残差

检验残差

更多关于

条件剩余和边际剩余

另请参阅

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

残差

语法

描述

输入参数

lme三个月- - - - - -线性mixed-effects模型LinearMixedModel对象

名称-值参数

有条件的- - - - - -条件残差指示器真正的(默认)|假

ResidualType- - - - - -剩余的类型“生”(默认)|皮尔森的|“标准化”

输出参数

R-残差n1的向量

例子

绘制残差与拟合值

计算条件和边际皮尔森残差

检验残差

更多关于

条件剩余和边际剩余

另请参阅

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

`lme三个月`- - - - - -线性mixed-effects模型
`LinearMixedModel`对象

`有条件的`- - - - - -条件残差指示器
`真正的`(默认)|`假`

`ResidualType`- - - - - -剩余的类型
`“生”`(默认)|`皮尔森的`|`“标准化”`

`R`-残差
n1的向量