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。

plotprofile

クラス: RepeatedMeasuresModel

オプションのグループ化により想定される周辺平均のプロット

構文

  • plotprofile(rm,X)
  • plotprofile(rm,Name,Value)
  • H = plotprofile(___)

説明

plotprofile(rm,X) は、反復測定モデル rm で計算された想定される周辺平均を、変数 X の関数としてプロットします。

plotprofile(rm,Name,Value) は反復測定モデル rm で計算した想定される周辺平均を、1 つ以上の Name,Value ペア引数で指定された追加オプションによりプロットします。

たとえば、グループ化の基準となる要因を指定したり、線の色を変更することができます。

H = plotprofile(___) は、ハンドル (H) をプロットされたラインに返します。

入力引数

すべて折りたたむ

rm — 反復測定モデルRepeatedMeasuresModel オブジェクト

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。

X — 被験者間要因または被験者内要因の名前文字列

被験者間要因または被験者内要因の名前。文字列として返します。

たとえば、周辺平均を被験者間変数 drug のグループの関数としてプロットする場合、次のように指定できます。

例: 'Drug'

データ型: char

名前/値のペアの引数

オプションの Name,Value の引数ペアをコンマ区切りで指定します。ここで、Name は引数名で、Value は対応する値です。Name は単一引用符 (' ') で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を任意の順序で指定できます。

'Group' — 1 つまたは複数の被験者間要因の名前文字列 | 文字列のセル配列

1 つまたは複数の被験者間要因の名前。'Group' と文字列または文字列のセル配列で構成されるコンマ区切りのペアとして指定します。この名前と値のペアの引数は、要因の値に従って線をグループ化します。

たとえば、薬物と性別の 2 つの被験者間要因があり、これに従ってプロット内の線をグループ化する場合、これらの要因を次のように指定できます。

例: 'Group',{'Drug','Sex'}

データ型: char | cell

'Marker' — 各グループに使用するマーカー文字列のセル配列

各グループに使用するマーカー。'Marker' と文字列のセル配列で構成されるコンマ区切りのペアとして指定します。

たとえば、薬物と性別の 2 つの被験者間要因があり、それぞれに 2 つのグループがある場合、次のように o を薬物の各グループのマーカー、x を性別の各グループのマーカーとして指定できます。

例: 'Marker',{'o','o','x','x'}

データ型: cell

'Color' — 各グループの色文字列 | 文字列のセル配列 | 3 列の RGB 行列の行

各グループの色。'Color' と、文字列、文字列のセル配列、3 列の RGB 行列の行のいずれかで構成される、コンマ区切りのペアとして指定します。

たとえば、薬物と性別の 2 つの被験者間要因があり、それぞれに 2 つのグループがある場合、次のように赤色を薬物の各グループのマーカー、青色を性別の各グループのマーカーとして指定できます。

例: 'Color','rrbb'

データ型: single | double | cell

'LineStyle' — 各グループのライン スタイル文字列のセル配列

各グループのライン スタイル。'LineStyle' と文字列のセル配列で構成されるコンマ区切りのペアとして指定します。

たとえば、薬物と性別の 2 つの被験者間要因があり、それぞれに 2 つのグループがある場合、次のように - を一方のグループのライン スタイル、: をもう一方のグループのライン スタイルとして指定できます。

例: 'LineStyle',{'-' ':' '-' ':'}

データ型: cell

出力引数

すべて折りたたむ

H — プロットされたラインのハンドルハンドル

プロットされたラインのハンドル。ハンドルとして返します。

すべて折りたたむ

必要な周辺平均のプロット

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'});

反復予測モデルを近似します。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);

因子となる種類ごとにデータをグループ化します。

plotprofile(rm,'species')

推定された周辺平均はグループごとに異なると考えられます。margmean メソッドを使用すると、これらの周辺平均の標準誤差と 95% の信頼区間を計算できます。

2 つのグループの周辺平均のプロット

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。これはシミュレーションされたデータです。

反復測定モデルを近似します。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);

Group および Gender の各因子に基づいて、推定の周辺平均をプロットします。

ax1 = subplot(1,2,1);
plotprofile(R,'Group')
ax2 = subplot(1,2,2);
plotprofile(R,'Gender')
linkaxes([ax1 ax2],'y')

因子 Group に基づき、Gender 別にグループ化された推定の周辺平均をプロットします。

figure()
plotprofile(R,'Group','Group','Gender')

参考

| |

この情報は役に立ちましたか?