addterms.

为线性回归模型添加术语

页面上倒塌

句法

newmdl = addterms（mdl，术语）

描述

例子

newmdl.= addterms（MDL.那术语）返回使用输入数据和设置拟合的线性回归模型MDL.凭借这些条款术语添加。

例子

全部收缩

为线性回归模型添加术语

打开直播脚本

创建一个线性回归模型Carsmall.数据集没有任何交互，然后添加交互项。

加载Carsmall.数据集并创建MPG的模型，作为权重和模型年的函数。

加载Carsmall.TBL =表（MPG，重量）;tbl.year =分类（model_year）;mdl = fitlm（tbl，'MPG〜年+重量^ 2'）

MDL =线性回归型号：MPG〜1 +重量+年+重量^ 2估计系数：估计系数PVALUE __________ _________________________________________________________________________________________________________031249 -5.2493 1.0283E-06 __76 2.08870.71491 2.9215 0.0044137年_ 81210 0.041 2.6364E-16重量^ 2 1.5573E-06 4.149 0.0022303观察数：94，误差自由度：89根均匀误差：2.78 R线：0.885，调整r-SQUARED：0.88 F统计与常数型号：172，P值= 5.52E-41

该模型包括五个术语，截距那重量那年份.76那年份.82，和重量^ 2.，在哪里年份.76和年份.82是分类变量的指示变量年有三个不同的值。

在...之间添加互动项年和重量变量到MDL.。

条款='年*重量';newmdl = addterms（mdl，术语）

NEWMDL =线性回归模型：MPG〜1 +重量*一年+重量^ 2估计系数：估计SE TSTAT PVALUE ___________ _______________________79670-10重量-0.012624 0.00455 -39604 0.00455 -3.0538 0.08751 0.39620 0. 0.011455 -39670 -11455 -39670 -11455 -39670 -11455 -3967E-1011451 -39670 -11451 -39670-10年_82 16.416 4.9802 3.2962 0.0014196重量：年度_76 -0.00020693 0.00092403 -0.82394 0.82333重量：年份_82-0.0032574 0.0018919 -1.7217 0.0118919 -1.7217 0.018919 -1.7217 0.018919 -1.7217 0.01212-06 6.12E-07 1.6538 0.10177观察数：94，误差自由度：87根均值平方误差：2.76 R线：0.89，调整R线：0.882 F统计与常数型号：117，P值= 1.88E-39

newmdl.包括两种附加术语，重量*年份_76.和重量*年份。

输入参数

全部收缩

`MDL.`-线性回归模型
`linearmodel.`目的

线性回归模型，指定为alinearmodel.使用的对象Fitlm.或者步骤行程。

`术语`-添加到回归模型的术语
在Wilkinson表示法中的字符向量或字符串标量公式|T.-经过-P.术语矩阵

添加到回归模型的术语MDL.，指定为以下之一：

字符矢量或字符串标量公式Wilkinson表示法代表一个或多个术语。公式中的变量名称必须是有效的matlab^®身份标识。
术语矩阵T.大小T.-经过-P.，在哪里T.是术语数量和数量P.是预测变量的数量MDL.。的价值T（i，j）是变量的指数j术语一世。
例如，假设MDL.有三个变量一种那B.，和C以该顺序。每一排T.代表一个术语：
- [0 0 0]- 常数术语或拦截
- [0 1 0]-B.;同等，a ^ 0 * b ^ 1 * c ^ 0
- [1 0 1]-A * C.
- [2 0 0]-A ^ 2.
- [0 1 2]-B *（C ^ 2）

addterms.将一个分类预测器视为单个变量的一组指示器变量。因此，您无法指定要添加到模型的指示变量。如果指定要添加到模型的分类预测器，addterms.在一步中为预测器添加一组指示器变量。看使用步骤修改线性回归模型有关描述如何手动创建指示器变量的示例并将每个作为单独变量对待。

输出参数

全部收缩

`newmdl.`- 带有附加条款的线性回归模型
`linearmodel.`目的

线性回归模型与附加术语，作为a返回linearmodel.目的。newmdl.是一种使用输入数据和设置的新拟合模型MDL.附加条款指定术语。

覆盖输入参数MDL.，将新安装的型号分配给MDL.：

mdl = addterms（mdl，术语）;

Wilkinson表示法	标准符号中的术语
`1`	常数（拦截）术语
`一个^ K.`，在哪里`K.`是一个正整数	`一种`那`一种²`，......，`一种^K.`
`A + B.`	`一种`那`B.`
`A * B.`	`一种`那`B.`那`A * B.`
`- 答：B.`	`A * B.`只要
`-B.`	不包括`B.`
`a * b + c`	`一种`那`B.`那`C`那`A * B.`
`A + B + C + A：B`	`一种`那`B.`那`C`那`A * B.`
`a * b * c - a：b：c`	`一种`那`B.`那`C`那`A * B.`那`A * C.`那`公元前`
`a *（b + c）`	`一种`那`B.`那`C`那`A * B.`那`A * C.`

算法

addterms.处理分类预测器，如下所示：
- 具有分类预测指标的模型L.级别（类别）包括L.- 1指示器变量。该模型使用第一类作为参考级别，因此它不包括参考级别的指示灯。如果分类预测器的数据类型是分类，然后您可以通过使用查看类别的顺序类别并通过使用重新排序类别雷德斯自定义参考级别。
- addterms.对待一组L.- 1指示器变量作为单个变量。如果要将指示器变量视为不同的预测器变量，请通过使用手动创建指示器变量戴维尔。然后使用指示器变量，除了适合模型时对应于分类变量的参考级别的字符。对于分类预测因子X，如果您指定所有列dummyvar（x）并且作为预测器的截距术语，然后设计矩阵变为缺陷。
- 连续预测因子与分类预测器之间的交互术语L.级别由元素 - 明智的产品组成L.- 1具有连续预测器的指示器变量。
- 两个分类预测因子之间的交互条款L.和m水平包括（L.- 1）*（m- 1）指示器变量包括两个分类预测器级别的所有可能组合。
- 您无法为分类预测器指定高阶项，因为指示符的平方等于其自身。