将预测矩阵转换为设计矩阵
D = x2fx (X,
模型
)
D = x2fx (X,模型
,categ)
D = x2fx (X,模型
,类别,CATG级别)
D = x2fx (X,
转换预测器矩阵模型
)X
设计矩阵D
对于回归分析,不同的预测变量应出现在X
.
可选输入模型
控制回归模型。默认情况下,x2fx
返回带有常数项的线性加法模型的设计矩阵。模型
是以下内容之一:
“线性”
-常数项和线性项。这是默认设置。
“互动”
-常数项、线性项和交互项
“二次”
-常数项、线性项、相互作用项和平方项
“纯二次型”
-常数项、线性项和平方项
如果X
有N列,列的顺序D
对于完全二次型模型,如下所示:
常数项
线性项(列)X
,顺序为1,2。。。,N)
交互项(列的成对乘积)下载188bet金宝搏X
,依次为(1,2)、(1,3)、(1、,N), (2, 3), ..., (N–1,N))
平方项(顺序为1,2。。。,N)
其他模型以相同的顺序使用这些术语的子集。
或者,模型
可以是指定任意阶多项式项的矩阵。在这种情况下,,模型
中的每列应有一列X
模型中每个术语对应一行模型
对应列的幂是多少X
。例如,如果X
有专栏X1
,X2
,及X3
,然后是一排[0 1 2]
在里面模型
指定术语(X1。^ 0)* (X2 ^ 1)。* (X3。^ 2)
.全是0的一行模型
指定可以忽略的常量项。
D = x2fx (X,
处理向量中列出数字的列模型
,categ)美食
作为分类变量。涉及分类变量的术语在D
。虚拟变量是在假设可能的分类级别完全由出现在相应列中的唯一值枚举的情况下计算的X
.
D = x2fx (X,
接受向量模型
,类别,CATG级别)catlevels
长度与美食
,指定每个类别变量中的级别数。在这种情况下,对应列中的值X
必须是介于1到指定级别数之间的整数。并非所有级别都需要显示在中X
.