aoctoolGydF4y2Ba
协方差的互动分析GydF4y2Ba
句法GydF4y2Ba
aoctool(x,y,group)GydF4y2Ba
aoctool(x,y,group,alpha)
aoctool(x,y,group,alpha,xname,yname,gname)GydF4y2Ba
aoctool(x,y,group,alpha,xname,yname,gname,gname,GydF4y2Badisplayopt
)GydF4y2Ba
aoctool(x,y,group,alpha,xname,yname,gname,gname,GydF4y2Badisplayopt
,,,,GydF4y2Ba模型GydF4y2Ba
)GydF4y2Ba
h = aoctool(...)GydF4y2Ba
[H,ATAB,CTAB] = aoctool(...)GydF4y2Ba
[h,atab,ctab,stats] = aoctool(...)
描述GydF4y2Ba
aoctool(x,y,group)GydF4y2Ba
适合单独的线与列向量,GydF4y2BaXGydF4y2Ba
andyGydF4y2Ba
,,,,for each group defined by the values in the arrayGroup
。GydF4y2BaGroup
可能是字符矢量的分类变量,矢量,字符阵列或单元格数组。这些类型的模型被称为协方差(Anocova)模型的单向分析。输出由三个数字组成:GydF4y2Ba
数据和预测曲线的交互式图GydF4y2Ba
方差分析桌GydF4y2Ba
参数估计表GydF4y2Ba
您可以使用数字更改模型并测试模型的不同部分。有关交互式使用的更多信息GydF4y2BaaoctoolGydF4y2Ba
function appears in协方差工具分析GydF4y2Ba。GydF4y2Ba
aoctool(x,y,group,alpha)
确定预测间隔的置信度。信心水平是GydF4y2Ba100(1-alpha)GydF4y2Ba
%。的默认值GydF4y2BaαGydF4y2Ba
是0.05.
aoctool(x,y,group,alpha,xname,yname,gname)GydF4y2Ba
指定用于使用的名称GydF4y2BaXGydF4y2Ba
,,,,GydF4y2BayGydF4y2Ba
,,,,andGGydF4y2Ba
variables in the graph and tables. If you enter simple variable names for theXGydF4y2Ba
,,,,GydF4y2BayGydF4y2Ba
,,,,andGGydF4y2Ba
arguments, the aoctool function uses those names. If you enter an expression for one of these arguments, you can specify a name to use in place of that expression by supplying these arguments. For example, if you enterm(:,2)GydF4y2Ba
作为GydF4y2BaXGydF4y2Ba
论点,您可能会选择输入GydF4y2Ba'Col 2'GydF4y2Ba
作为GydF4y2BaXname
argument.
aoctool(x,y,group,alpha,xname,yname,gname,gname,GydF4y2Ba
启用图形和表显示GydF4y2Badisplayopt
)GydF4y2Badisplayopt
是GydF4y2Ba'上'GydF4y2Ba
(默认)并在GydF4y2Badisplayopt
是GydF4y2Ba'off'
。GydF4y2Ba
aoctool(x,y,group,alpha,xname,yname,gname,gname,GydF4y2Ba
指定适合的初始模型。的价值GydF4y2Badisplayopt
,,,,GydF4y2Ba模型GydF4y2Ba
)GydF4y2Ba模型GydF4y2Ba
可以是以下任何一个:GydF4y2Ba
“同样的平均”GydF4y2Ba
— Fit a single mean, ignoring grouping“单独的意思”GydF4y2Ba
— Fit a separate mean to each group'same line'
- 适合一行,忽略分组GydF4y2Ba'平行线'GydF4y2Ba
- 将单独的线与每个组安装,但要约束并行的行GydF4y2Ba'separate lines'
- 适合每个组的单独线路,没有任何约束GydF4y2Ba
h = aoctool(...)GydF4y2Ba
将手柄向量返回到图中的线对象。GydF4y2Ba
[H,ATAB,CTAB] = aoctool(...)GydF4y2Ba
返回包含ANOVA表中条目的单元格数组(GydF4y2Baatab
)and the table of coefficient estimates (ctabGydF4y2Ba
)。(您可以使用该剪贴板将任一表的文本版本复制到剪贴板GydF4y2Ba复制文字GydF4y2Ba
项目GydF4y2Ba编辑GydF4y2Ba菜单。)GydF4y2Ba
[h,atab,ctab,stats] = aoctool(...)
返回aGydF4y2Ba统计GydF4y2Ba
您可以用来执行后续多重比较测试的结构。ANOVA表的输出包括对斜率或截距都是相同的假设的测试,与一般替代方案相同,即它们并非完全相同。有时,最好执行测试以确定哪些值对有显着差异,哪些是什么不同。您可以使用GydF4y2Bamultcompare
function to perform such tests by supplying the统计GydF4y2Ba
结构作为输入。您可以测试斜率,截距或人口边际平均值(平均值的曲线高度GydF4y2BaXGydF4y2Ba
value).
例子GydF4y2Ba
此示例说明了如何非相互交互的不同模型。加载较小的汽车数据集并拟合单独的斜坡模型后,您可以检查系数估计值。GydF4y2Ba
负载carsmall [h, c s] = aoctool(重量、英里、模型_Year,0.05,... '','','','off','separate lines'); c(:,1:2) ans = 'Term' 'Estimate' 'Intercept' [45.97983716833132] ' 70' [-8.58050531454973] ' 76' [-3.89017396094922] ' 82' [12.47067927549897] 'Slope' [-0.00780212907455] ' 70' [ 0.00195840368824] ' 76' [ 0.00113831038418] ' 82' [-0.00309671407243]
粗略地说,与GydF4y2BaMPGGydF4y2Ba
至GydF4y2Ba重量GydF4y2Ba
截距接近45.98,斜率接近-0.0078。每个小组的系数在某种程度上被抵消了这些值。例如,1970年制造的汽车的截距为45.98-8.58 = 37.40。GydF4y2Ba
接下来,尝试使用并行线条。(ANOVA表显示平行线拟合明显比单独的线拟合差得多。)GydF4y2Ba
[h,a,c,s] = aoctool(重量,mpg,model_year,0.05,...''''''','','','','','parallel lines');c(:,1:2)ans ='术语'''''截图'[43.38984085130596]'70'[-3.27948192983761]'76'[-1.35036234809006]'[-1.35036234809006]'82GydF4y2Ba
Again, there are different intercepts for each group, but this time the slopes are constrained to be the same.
也可以看看GydF4y2Ba
ANOVA1GydF4y2Ba
|GydF4y2Bamultcompare
|GydF4y2BapolytoolGydF4y2Ba