refit
クラス: GeneralizedLinearMixedModel
一般化線形混合効果モデルの再当てはめ
説明
入力引数
glme
— 一般化線形混合効果モデル
GeneralizedLinearMixedModel
オブジェクト
一般化線形混合効果モデル。GeneralizedLinearMixedModel
オブジェクトとして指定します。このオブジェクトのプロパティとメソッドについては、GeneralizedLinearMixedModel
を参照してください。
ynew
— 新しい応答ベクトル
スカラー値 n 行 1 列のベクトル
新しい応答ベクトル。スカラー値 n 行 1 列のベクトルとして指定されます。ここで、n は、glme
を当てはめるのに使用される観測値の数です。
事前に与えられた重み wip と二項サイズ ni (適用可能な場合) を使用する観測値 i では、ynew
に含まれる応答値 yi には以下の値も含まれます。
分布 | 許容値 | メモ: |
---|---|---|
Binomial |
| wip と ni は、整数値 > 0 です。 |
Poisson |
| wip は整数値 > 0 です。 |
Gamma | (0,∞) | wip ≥ 0 |
InverseGaussian | (0,∞) | wip ≥ 0 |
Normal | (–∞,∞) | wip ≥ 0 |
ドット表記を使用して、事前に重みが与えられたプロパティ wip にアクセスできます。
glme.ObservationInfo.Weights
データ型: single
| double
出力引数
例
モデルの新しい応答ベクトルへの再度当てはめ
標本データを読み込みます。
load mfr
このシミュレーションされたデータは、世界中で 50 の工場を操業している製造企業から取得しており、各工場が完成品の生産のためにバッチ処理を実行しています。同社は各バッチの欠陥数を減少させるために新たな製造プロセスを開発しました。新しいプロセスの効果をテストするため、同社は実験に参加させる 20 工場を無作為に選びました。10 工場では新プロセスを実施しますが、残りの 10 工場では旧プロセスの実行を続けます。各 20 工場で、同社は 5 つのバッチ (合計 100 バッチ) を実行し以下のデータを記録しました。
新しいプロセスがバッチに使用されたかどうかを示すフラグ (
newprocess
)各バッチの処理時間。時間単位 (
time
)バッチの温度。摂氏 (
temp
)バッチで使用する化学薬品の供給業者 (
A
、B
またはC
) を示すカテゴリカル変数 (supplier
)バッチ内の欠陥数 (
defects
)
またデータに含まれる time_dev
と temp_dev
は、摂氏 20 度で 3 時間の標準プロセスから得られる時間と温度の絶対偏差をそれぞれ表します。
固定効果予測子として newprocess
、time_dev
、temp_dev
および supplier
を使用して一般化線形混合効果モデルを当てはめます。工場特有の変動に起因して品質に差がある可能性を考慮するために、factory
別にグループ化された切片の変量効果項を含めます。応答変数 defects
はポアソン分布であり、このモデルの適切なリンク関数は対数です。係数の予測にラプラス近似メソッドを使用します。ダミー変数エンコードを 'effects'
として指定すると、ダミー変数の係数の合計が 0 になります。
欠陥数はポアソン分布を使用してモデル化できます
これは一般化線形混合効果モデルに対応します
ここで
は、バッチ 処理中の工場 で実行されたバッチで観測された欠陥数です。
は、バッチ () 処理中の工場 () に対応する欠陥の平均数です。
、 および は、バッチ 処理中の工場 に対応する各変数の測定値です。たとえば は、工場 で実行されたバッチ 処理中に新プロセスが使用されたかどうかを示します。
および はエフェクト (ゼロサム) コーディングを使用するダミー変数であり、バッチ 処理中に工場 で実行されたバッチに対して、それぞれ会社
C
またはB
が加工化学薬品を供給したかどうかを示します。は、工場特有の品質変動に相当する、各工場 の変量効果の切片です。
glme = fitglme(mfr,'defects ~ 1 + newprocess + time_dev + temp_dev + supplier + (1|factory)','Distribution','Poisson','Link','log','FitMethod','Laplace','DummyVarCoding','effects');
random
を使用して、当てはめたモデルから新しい応答ベクトルをシミュレートします。
rng(0,'twister'); % For reproducibility ynew = random(glme);
新しい応答ベクトルを使用してモデルを再度当てはめます。
glme = refit(glme,ynew)
glme = Generalized linear mixed-effects model fit by ML Model information: Number of observations 100 Fixed effects coefficients 6 Random effects coefficients 20 Covariance parameters 1 Distribution Poisson Link Log FitMethod Laplace Formula: defects ~ 1 + newprocess + time_dev + temp_dev + supplier + (1 | factory) Model fit statistics: AIC BIC LogLikelihood Deviance 469.24 487.48 -227.62 455.24 Fixed effects coefficients (95% CIs): Name Estimate SE tStat DF pValue Lower Upper {'(Intercept)'} 1.5738 0.18674 8.4276 94 4.0158e-13 1.203 1.9445 {'newprocess' } -0.21089 0.2306 -0.91455 94 0.36277 -0.66875 0.24696 {'time_dev' } -0.13769 0.77477 -0.17772 94 0.85933 -1.676 1.4006 {'temp_dev' } 0.24339 0.84657 0.2875 94 0.77436 -1.4375 1.9243 {'supplier_C' } -0.12102 0.07323 -1.6526 94 0.10175 -0.26642 0.024381 {'supplier_B' } 0.098254 0.066943 1.4677 94 0.14551 -0.034662 0.23117 Random effects covariance parameters: Group: factory (20 Levels) Name1 Name2 Type Estimate {'(Intercept)'} {'(Intercept)'} {'std'} 0.46587 Group: Error Name Estimate {'sqrt(Dispersion)'} 1
ヒント
refit
とrandom
を使用して、シミュレーションされた尤度比検定またはパラメトリック ブートストラップを実行できます。
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)