x2fx
将预测矩阵转换为设计矩阵
句法
d = x2fx(x,
模型
)
d = x2fx(x,模型
,类)
d = x2fx(x,模型
,类别,catlevels)
描述
d = x2fx(x,
转换一个预测变量矩阵模型
)X
到设计矩阵d
用于回归分析。不同的预测变量应出现在不同的列中X
。
可选输入模型
控制回归模型。默认情况下,x2fx
返回具有恒定项的线性加性模型的设计矩阵。模型
是以下之一:
“线性”
- 恒定和线性术语。这是默认值。'相互作用'
- 恒定,线性和相互作用项“二次”
- 恒定,线性,互动和平方术语“纯Quadratic”
- 恒定,线性和平方术语
如果X
拥有n列,列的顺序d
对于完整的二次模型是:
恒定术语
The linear terms (the columns of
X
,在第1、2,...,...中n)相互作用项(列的成对产物下载188bet金宝搏
X
,按(1,2),(1,3),...,(1,n),(2,3),...n–1,n))平方项(在1,2,...,...中n)
其他模型以相同的顺序使用这些术语的子集。
或者,模型
可以是指定任意顺序多项式术语的矩阵。在这种情况下,模型
每列应该有一列X
和模型中每个术语的一行。任何行中的条目模型
are powers for the corresponding columns ofX
。例如,如果X
有列x1
,,,,x2
, 和X3
,然后一排[0 1 2]
在模型
指定术语(x1。^0)。*(x2。^1)。*(x3。^2)
。A row of all zeros in模型
指定一个恒定术语,可以省略。
d = x2fx(x,
用矢量中列出的数字来处理列模型
,类)类别
作为分类变量。涉及分类变量的术语产生虚拟变量列d
。虚拟变量是根据以下假设计算的:可能的分类级别是由出现在相应列中的唯一值完全列举的X
。
d = x2fx(x,
接受矢量模型
,类别,catlevels)catlevels
与相同的长度类别
,指定每个分类变量中的级别数量。在这种情况下,在相应列中的值X
必须是从1到指定级别数量的整数。并非所有级别都需要出现X
。
例子
示例1
以下转换2个预测指标x1
和x2
(列X
)进入具有术语的完整二次模型的设计矩阵持续的
,,,,x1
,,,,x2
,,,,x1。*x2
,,,,x1。^2
, 和x2。^2
。
X = 20 [1 10 2 3 10 4 20 5 15 6 15];d = x2fx(x,'quadratic')d = 1 1 10 10 1 100 1 2 20 40 4 400 1 3 10 30 9 100 1 4 20 80 16 400 1 5 15 75 25 225 225 2 225 1 6 15 90 36 2625
示例2
以下转换2个预测指标x1
和x2
(列X
)进入具有术语的二次模型的设计矩阵持续的
,,,,x1
,,,,x2
,,,,x1。*x2
, 和x1。^2
。
X = 20 [1 10 2 3 10 4 20 5 15 6 15];模型= [0 01 0 0 1 1 1 2 0]; D = x2fx(X,model) D = 1 1 10 10 1 1 2 20 40 4 1 3 10 30 9 1 4 20 80 16 1 5 15 75 25 1 6 15 90 36