ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

grpstats

クラス: RepeatedMeasuresModel

グループごとの反復測定データの記述統計の計算

構文

  • statstbl = grpstats(rm,g)
  • statstbl = grpstats(rm,g,stats)

説明

statstbl = grpstats(rm,g) は、反復測定モデル rm の近似に使用したデータ数、平均、分散を、因子 g 別にグループ化して返します。

statstbl = grpstats(rm,g,stats) は、反復測定モデル rm の近似に使用したデータについて stats で指定された統計値を、因子 g ごとにグループ化して返します。

ヒント

  • grpstats は結果をグループごとに計算します。結果は近似された反復測定モデルに依存しません。使用可能なすべてのデータについて結果が計算されます。NaN が含まれる行全体が削除されることはありません。

入力引数

すべて展開する

反復測定モデル。RepeatedMeasuresModel オブジェクトとして返します。

このオブジェクトのプロパティとメソッドについては、RepeatedMeasuresModel を参照してください。

1 つまたは複数のグループ因子の名前。文字列または文字列のセル配列として指定します。

例: 'Drug'

例: {'Drug','Sex'}

データ型: char

計算する統計値。次のいずれかとして指定します。

  • 計算する統計値の名前を指定する文字列。名前は以下のいずれかになります。

    名前説明
    'mean'平均
    'sem'平均の標準誤差
    'numel'要素のカウントまたは数
    'gname'グループ名
    'std'標準偏差
    'var'分散
    'min'最小値
    'max'最大値
    'range'最大値から最小値を引いた値
    'meanci'平均値の 95% の信頼区間
    'predci'新しい観測の 95% の予測区間

  • 関数ハンドル — 指定する関数は、単一のグループの応答値のベクトルを受け入れ、記述統計を計算しなければなりません。関数は通常、1 つの行をもつ値を返す必要があります。一部のグループについては入力が空の場合もありますが、関数は grpstats で呼び出されるたびに同じサイズの出力を返さなければなりません。

  • 文字列と関数ハンドルのセル配列。

例: @median

例: @skewness

例: 'gname'

例: {'gname','range','predci'}

データ型: char | function_handle | cell

出力引数

すべて展開する

各グループの統計値。テーブルとして返します。

すべて展開する

標本データを読み込みます。

load fisheriris

列ベクトル species は、3 種類のアヤメ (setosa、versicolor、virginica) で構成されています。double 行列 meas は、花に関する 4 種類の測定値、がく片の長さと幅 (cm) と花弁の長さと幅 (cm) で構成されています。

データをテーブル配列に保存します。

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),...
'VariableNames',{'species','meas1','meas2','meas3','meas4'});
Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});

反復予測モデルをあてはめます。ここで、測定が応答、種類が予測子変数となります。

rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);

種類ごとに、グループ内の件数、平均、標準偏差を計算します。

grpstats(rm,'species')
ans = 

      species       GroupCount     mean      std  
    ____________    __________    ______    ______

    'setosa'        200           2.5355    1.8483
    'versicolor'    200            3.573    1.7624
    'virginica'     200            4.285    1.9154

次に、因子の種類のグループ平均に関するデータの範囲と 95% の信頼区間を計算します。また、グループ名も表示します。

grpstats(rm,'species',{'gname','range','predci'})
ans = 

      species          gname        GroupCount    range           predci       
    ____________    ____________    __________    _____    ____________________

    'setosa'        'setosa'        200           5.7       -1.1185      6.1895
    'versicolor'    'versicolor'    200             6      0.088976       7.057
    'virginica'     'virginica'     200           6.5        0.4985      8.0715

標本データを読み込みます。

load repeatedmeas

テーブル between には、被験者間変数である年齢、IQ、グループ、性別、8 件の反復測定 y1 ~ y8 が応答として含まれています。テーブル within には、被験者内変数 w1 および w2 が含まれています。このデータは、シミュレーションされたものです。

反復測定モデルをあてはめます。ここで、反復測定 y1 ~ y8 は応答で、年齢、IQ、グループ、性別、グループと性別の相互作用は予測子変数です。また、被験者内計画行列も指定します。

rm = fitrm(between,'y1-y8 ~ Group*Gender + Age + IQ','WithinDesign',within);

GroupGender の 2 つの因子でグループ化されたデータについて、グループの件数、平均、標準偏差、歪度、尖度を計算します。

GS = grpstats(rm,{'Group','Gender'},{'mean','std',@skewness,@kurtosis})
GS = 

    Group    Gender    GroupCount     mean       std      skewness    kurtosis
    _____    ______    __________    _______    ______    ________    ________

    A        Female    40             16.554    21.498     0.35324    3.7807  
    A        Male      40             9.8335    20.602    -0.38722    2.7834  
    B        Female    40             11.261    25.779    -0.49177    4.1484  
    B        Male      40             3.6078    24.646     0.55447    2.7966  
    C        Female    40            -11.335    27.186      1.7499    6.1429  
    C        Male      40            -14.028    31.984      1.7362     5.141  

参考

|

この情報は役に立ちましたか?