文档gydF4y2Ba

designMatrixgydF4y2Ba

类:gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba

固定和随机效应设计矩阵gydF4y2Ba

语法gydF4y2Ba

D = designMatrix(glme)gydF4y2Ba
D = designMatrix(glme,'Fixed')gydF4y2Ba
D = designMatrix(glme,'Random')gydF4y2Ba
Dsub = designMatrix(glme,'Random',gnumbers)gydF4y2Ba
[Dsub,gnames] = designMatrix(glme,'Random',gnumbers)gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

DgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba)gydF4y2Ba或gydF4y2BaDgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“固定”gydF4y2Ba)gydF4y2Ba返回广义线性混合效应模型的固定效应设计矩阵gydF4y2BaglmegydF4y2Ba.gydF4y2Ba

例子gydF4y2Ba

DgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“随机”gydF4y2Ba)gydF4y2Ba返回广义线性混合效应模型的随机效应设计矩阵gydF4y2BaglmegydF4y2Ba.gydF4y2Ba

DsubgydF4y2Ba= designMatrix (gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“随机”gydF4y2Ba,gydF4y2BagnumbersgydF4y2Ba)gydF4y2Ba返回广义线性混合效应模型的随机效应设计矩阵的子集gydF4y2BaglmegydF4y2Ba对应于分组变量gydF4y2BagnumbersgydF4y2Ba.gydF4y2Ba

(gydF4y2BaDsubgydF4y2Ba,gydF4y2BagnamesgydF4y2Ba= designMatrix(gydF4y2BaglmegydF4y2Ba,gydF4y2Ba“随机”gydF4y2Ba,gydF4y2BagnumbersgydF4y2Ba)gydF4y2Ba还返回对应的分组变量名gydF4y2BagnumbersgydF4y2Ba.gydF4y2Ba

输入参数gydF4y2Ba

全部展开gydF4y2Ba

广义线性混合效应模型,定义为gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba对象。有关此对象的属性和方法,请参见gydF4y2BaGeneralizedLinearMixedModelgydF4y2Ba.gydF4y2Ba

对变量数进行分组,指定为包含范围为[1,gydF4y2BaRgydF4y2Ba),gydF4y2BaRgydF4y2Ba包含广义线性混合效应模型分组变量的单元格数组的长度是多少gydF4y2BaglmegydF4y2Ba.gydF4y2Ba

例如,您可以指定分组变量ggydF4y2Ba1gydF4y2BaggydF4y2Ba3.gydF4y2Ba,和ggydF4y2BargydF4y2Ba作为gydF4y2Ba(1、3 r)gydF4y2Ba.gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

输出参数gydF4y2Ba

全部展开gydF4y2Ba

广义线性混合效应模型的设计矩阵gydF4y2BaglmegydF4y2Ba作为下列之一返回:gydF4y2Ba

  • 固定效果设计矩阵gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BapgydF4y2Ba由固定效果矩阵组成的设计矩阵gydF4y2BaglmegydF4y2Ba,在那里gydF4y2BangydF4y2Ba观察的次数和gydF4y2BapgydF4y2Ba是固定效应项的数量。gydF4y2Ba

  • 随机效应设计矩阵-gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BakgydF4y2Ba矩阵,由随机效应设计矩阵组成gydF4y2BaglmegydF4y2Ba.在这里,gydF4y2BakgydF4y2Ba等于gydF4y2Ba长度(B)gydF4y2Ba,在那里gydF4y2BaBgydF4y2Ba广义线性混合效应模型的随机效应系数是向量吗gydF4y2BaglmegydF4y2Ba.随机效应设计矩阵作为稀疏矩阵返回。有关更多信息,请参见gydF4y2Ba稀疏矩阵gydF4y2Ba(MATLAB)。gydF4y2Ba

    如果gydF4y2BaglmegydF4y2Ba有gydF4y2BaRgydF4y2Ba变量分组ggydF4y2Ba1gydF4y2BaggydF4y2Ba2gydF4y2Ba、……ggydF4y2BaRgydF4y2Ba,有层次gydF4y2Ba米gydF4y2Ba1gydF4y2Ba,gydF4y2Ba米gydF4y2Ba2gydF4y2Ba、……gydF4y2Ba米gydF4y2BaRgydF4y2Ba,和ifgydF4y2Ba问gydF4y2Ba1gydF4y2Ba,gydF4y2Ba问gydF4y2Ba2gydF4y2Ba、……gydF4y2Ba问gydF4y2BaRgydF4y2Ba随机效应向量的长度与g有关吗gydF4y2Ba1gydF4y2BaggydF4y2Ba2gydF4y2Ba、……ggydF4y2BaRgydF4y2Ba,分别,然后gydF4y2BaBgydF4y2Ba列向量是长度吗gydF4y2Ba问gydF4y2Ba1gydF4y2Ba*gydF4y2Ba米gydF4y2Ba1gydF4y2Ba+gydF4y2Ba问gydF4y2Ba2gydF4y2Ba*gydF4y2Ba米gydF4y2Ba2gydF4y2Ba+……+gydF4y2Ba问gydF4y2BaRgydF4y2Ba*gydF4y2Ba米gydF4y2BaRgydF4y2Ba.gydF4y2Ba

    BgydF4y2Ba是通过将每个分组变量的每个级别对应的随机效应向量的经验贝叶斯预测器串联为gydF4y2Ba(ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba2gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba2gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba2gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba2gydF4y2Ba;…;ggydF4y2BaRgydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2BaRgydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2BaRgydF4y2Ba水平gydF4y2Ba米gydF4y2BaRgydF4y2Ba]“gydF4y2Ba.gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

所指定的分组变量所对应的随机效应设计矩阵的子矩阵gydF4y2BagnumbersgydF4y2Ba,作为gydF4y2BangydF4y2Ba——- - - - - -gydF4y2BakgydF4y2Ba矩阵,gydF4y2BakgydF4y2Ba列向量的长度是多少gydF4y2BaBsubgydF4y2Ba.gydF4y2Ba

BsubgydF4y2Ba包含随机效应向量的串联经验贝叶斯预测器,对应于分组变量的每一层,由gydF4y2BagnumbersgydF4y2Ba.gydF4y2Ba

例如,gydF4y2BagnumbersgydF4y2Ba是gydF4y2Ba(1、3 r)gydF4y2Ba,这对应于分组变量ggydF4y2Ba1gydF4y2BaggydF4y2Ba3.gydF4y2Ba,和ggydF4y2BargydF4y2Ba.然后,gydF4y2BaBsubgydF4y2Ba包含随机效应向量的经验贝叶斯预测器,对应于分组变量g的每一层gydF4y2Ba1gydF4y2BaggydF4y2Ba3.gydF4y2Ba,和ggydF4y2BargydF4y2Ba,例如gydF4y2Ba

(ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba1gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba3.gydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2Ba3.gydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2Ba3.gydF4y2Ba水平gydF4y2Ba米gydF4y2Ba3.gydF4y2Ba;ggydF4y2BargydF4y2Ba水平gydF4y2Ba1gydF4y2Ba;ggydF4y2BargydF4y2Ba水平gydF4y2Ba2gydF4y2Ba;…;ggydF4y2BargydF4y2Ba水平gydF4y2Ba米gydF4y2BargydF4y2Ba]“gydF4y2Ba.gydF4y2Ba

因此,gydF4y2BaDsub * BsubgydF4y2Ba表示分组变量g对应的所有随机效应的贡献gydF4y2Ba1gydF4y2BaggydF4y2Ba3.gydF4y2Ba,和ggydF4y2BargydF4y2Ba对于gydF4y2BaglmegydF4y2Ba.gydF4y2Ba

如果gydF4y2BagnumbersgydF4y2Ba那么是空的gydF4y2BaDsubgydF4y2Ba是完整的随机效应设计矩阵。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

中整数对应的分组变量的名称gydF4y2BagnumbersgydF4y2Ba如果设计类型为gydF4y2Ba“随机”gydF4y2Ba,作为gydF4y2BakgydF4y2Ba-by-1单元格数组。如果设计类型为gydF4y2Ba“固定”gydF4y2Ba,然后gydF4y2BagnamesgydF4y2Ba是一个空矩阵gydF4y2Ba[]gydF4y2Ba.gydF4y2Ba

数据类型:gydF4y2Ba细胞gydF4y2Ba

例子gydF4y2Ba

全部展开gydF4y2Ba

加载样例数据。gydF4y2Ba

数据= fullfile(matlabroot,gydF4y2Ba“例子”gydF4y2Ba,gydF4y2Ba“统计数据”gydF4y2Ba,gydF4y2Ba“mfr.mat”gydF4y2Ba);负载(数据)gydF4y2Ba

这些模拟数据来自一家制造公司,该公司在全球拥有50家工厂,每个工厂都运行批处理流程来生产成品。该公司希望减少每批产品的缺陷数量,因此开发了一种新的制造工艺。为了测试新工艺的有效性,该公司随机选择了20家工厂参与实验:10家工厂实施了新工艺,而另外10家继续运行旧工艺。在这20家工厂中,每一家工厂运行5批次(共100批次),并记录了以下数据:gydF4y2Ba

  • 标志,以指示批处理是否使用了新过程(gydF4y2BanewprocessgydF4y2Ba)gydF4y2Ba

  • 每批的处理时间(以小时为单位)(gydF4y2Ba时间gydF4y2Ba)gydF4y2Ba

  • 批处理的温度,以摄氏度为单位(gydF4y2Ba临时gydF4y2Ba)gydF4y2Ba

  • 指示供应商的类别变量(gydF4y2Ba一个gydF4y2Ba,gydF4y2BaBgydF4y2Ba,或gydF4y2BaCgydF4y2Ba)说明批内所使用的化学品(gydF4y2Ba供应商gydF4y2Ba)gydF4y2Ba

  • 批内缺陷数量(gydF4y2Ba缺陷gydF4y2Ba)gydF4y2Ba

数据还包括gydF4y2Batime_devgydF4y2Ba而且gydF4y2Batemp_devgydF4y2Ba,分别表示时间和温度与20℃下3小时的工艺标准的绝对偏差。gydF4y2Ba

拟合广义线性混合效应模型gydF4y2BanewprocessgydF4y2Ba,gydF4y2Batime_devgydF4y2Ba,gydF4y2Batemp_devgydF4y2Ba,gydF4y2Ba供应商gydF4y2Ba作为固定效应预测因子。包括一个随机效应术语的拦截分组gydF4y2Ba工厂gydF4y2Ba,以考虑由于工厂特定的差异而可能存在的质量差异。响应变量gydF4y2Ba缺陷gydF4y2Ba具有泊松分布,适合该模型的链接函数为log。用拉普拉斯拟合方法估计系数。指定虚拟变量编码为gydF4y2Ba“影响”gydF4y2Ba,所以虚变量系数之和为0。gydF4y2Ba

缺陷的数量可以用泊松分布来建模gydF4y2Ba

$ $ \ mbox{缺陷}_ {ij} \ sim \ mbox{泊松}(\ mu_ {ij}), $ $gydF4y2Ba

这对应于广义线性混合效应模型gydF4y2Ba

日志($ $ \ \ mu_ {ij}) = \ beta_0 + \ beta_1 \ mbox {newprocess} _ {ij} + \ beta_2& # xA; \ mbox{时间\ _dev} _ {ij} + \ beta_3 \ mbox {temp \ _dev} _ {ij} + \ beta_4& # xA; \ mbox{供应商}_ {C_ {ij}} + \ beta_5 \ mbox{供应商}_ {B_ {ij}} + b_i $ $gydF4y2Ba

在哪里gydF4y2Ba

  • $ \ mbox{缺陷}_ {ij} $gydF4y2Ba在工厂生产的批次中是否观察到缺陷数量gydF4y2Ba我美元gydF4y2Ba在批处理gydF4y2Ba$ j $gydF4y2Ba.gydF4y2Ba

  • $ \ mu_ {ij} $gydF4y2Ba平均缺陷数是否与工厂对应gydF4y2Ba我美元gydF4y2Ba(gydF4y2Ba$i = 1,2,…, 20美元gydF4y2Ba)批处理期间gydF4y2Ba$ j $gydF4y2Ba(gydF4y2Ba$j = 1,2,…, 5美元gydF4y2Ba).gydF4y2Ba

  • $ \ mbox {newprocess} _ {ij} $gydF4y2Ba,gydF4y2Ba$ \ mbox{时间\ _dev} _ {ij} $gydF4y2Ba,gydF4y2Ba$ \ mbox {temp \ _dev} _ {ij} $gydF4y2Ba每个变量的测量是否与工厂对应gydF4y2Ba我美元gydF4y2Ba在批处理gydF4y2Ba$ j $gydF4y2Ba.例如,gydF4y2Ba$ \ mbox {newprocess} _ {ij} $gydF4y2Ba是否由工厂生产的批次gydF4y2Ba我美元gydF4y2Ba在批处理gydF4y2Ba$ j $gydF4y2Ba使用新流程。gydF4y2Ba

  • $ \ mbox{供应商}_ {C_ {ij}} $gydF4y2Ba而且gydF4y2Ba$ \ mbox{供应商}_ {B_ {ij}} $gydF4y2Ba是否使用效果(和到零)编码来指示公司的虚拟变量gydF4y2BaCgydF4y2Ba或gydF4y2BaBgydF4y2Ba分别为工厂生产的批次提供了工艺化学品gydF4y2Ba我美元gydF4y2Ba在批处理gydF4y2Ba$ j $gydF4y2Ba.gydF4y2Ba

  • $b_{i} \sim N(0,\sigma_{b}^{2})$gydF4y2Ba每个工厂都有随机效果拦截吗gydF4y2Ba我美元gydF4y2Ba这就解释了不同工厂在质量上的差异。gydF4y2Ba

Glme = fitglme(mfr,gydF4y2Ba缺陷~ 1 + newprocess + time_dev + temp_dev +供应商+(1|工厂)'gydF4y2Ba,gydF4y2Ba“分布”gydF4y2Ba,gydF4y2Ba“泊松”gydF4y2Ba,gydF4y2Ba“链接”gydF4y2Ba,gydF4y2Ba“日志”gydF4y2Ba,gydF4y2Ba“FitMethod”gydF4y2Ba,gydF4y2Ba“拉普拉斯”gydF4y2Ba,gydF4y2Ba“DummyVarCoding”gydF4y2Ba,gydF4y2Ba“影响”gydF4y2Ba);gydF4y2Ba

提取固定效果设计矩阵并显示第1行到第10行。gydF4y2Ba

Dfe = designMatrix(glme,gydF4y2Ba“固定”gydF4y2Ba);disp (Dfe (1:10)):gydF4y2Ba
1.0000 0 0.1834 0.2259 1.0000 0 0.3035 0.0725 0 1.0000 1.0000 0 0.0717 0.1630 1.0000 0 1.0000 0 0.1069 0.0809 -1.0000 -1.0000 1.0000 0 0.0241 0.0319 1.0000 0 1.0000 0 0.1214 0.1114 0 1.0000 1.0000 0 0.0033 0.0553 1.0000 0 1.0000 0 0.2350 0.0616 1.0000 0 1.0000 0 0.0488 0.0177 0 1.0000 1.0000 0 0.1148 0.0105 1.0000 0gydF4y2Ba

固定效果设计矩阵的第1列gydF4y2Ba教育部gydF4y2Ba包含常数项。列2、3和4包含gydF4y2BanewprocessgydF4y2Ba,gydF4y2Batime_devgydF4y2Ba,gydF4y2Batemp_devgydF4y2Ba,分别。列5和列6包含虚拟变量gydF4y2Basupplier_CgydF4y2Ba而且gydF4y2Basupplier_BgydF4y2Ba,分别。gydF4y2Ba

提取随机效应设计矩阵并显示第1行到第10行。gydF4y2Ba

Dre = designMatrix(glme,gydF4y2Ba“随机”gydF4y2Ba);disp (Dre (1:10)):gydF4y2Ba
(1,1) 1(2, 1) 1(3,1) 1(4,1) 1(1) 1(2) 1(7, 2) 1(8, 2) 1(9日2)1 (10,2)1gydF4y2Ba

转换稀疏矩阵gydF4y2Ba衣服gydF4y2Ba到完整的矩阵并显示第1行到第10行。gydF4y2Ba

完整的(Dre (1:10,:))gydF4y2Ba
ans = 1到13列1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0列14到20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0gydF4y2Ba

每一列对应于分组变量的一个级别gydF4y2Ba工厂gydF4y2Ba.gydF4y2Ba

这个话题有用吗?gydF4y2Ba