fixedEffects
固定効果と関連する統計の推定
構文
説明
例
標本データを読み込みます。
load('weight.mat');
データ セット weight
には、長期間の調査によるデータが含まれています。そこには 20 人の被験者が 4 つの運動プログラムにランダムに割り当てられ、体重の減少が 6 回の 2 週間の期間にわたって記録されています。このデータは、シミュレーションされたものです。
データを table に保存します。Subject
および Program
をカテゴリカル変数として定義します。
tbl = table(InitialWeight,Program,Subject,Week,y); tbl.Subject = nominal(tbl.Subject); tbl.Program = nominal(tbl.Program);
線形混合効果モデルを当てはめます。初期体重、プログラムの種類、週、週とプログラムの間の交互作用は固定効果です。切片と週は被験者ごとに異なります。
lme = fitlme(tbl,'y ~ InitialWeight + Program*Week + (Week|Subject)');
固定効果係数の推定値および対応する固定効果の名前を表示します。
[beta,betanames] = fixedEffects(lme)
beta = 9×1
0.6610
0.0032
0.3608
-0.0333
0.1132
0.1732
0.0388
0.0305
0.0331
betanames=9×1 table
Name
__________________
{'(Intercept)' }
{'InitialWeight' }
{'Program_B' }
{'Program_C' }
{'Program_D' }
{'Week' }
{'Program_B:Week'}
{'Program_C:Week'}
{'Program_D:Week'}
標本データを読み込みます。
load carbig
ガロンあたりの走行マイル数 (MPG) の線形混合効果モデルを当てはめます。加速度と馬力は固定効果で、モデル年度によってグループ化される切片と加速度については相関する変量効果の可能性があります。まず、データを table に保存します。
tbl = table(Acceleration,Horsepower,Model_Year,MPG);
モデルを当てはめる。
lme = fitlme(tbl, 'MPG ~ Acceleration + Horsepower + (Acceleration|Model_Year)');
固定効果係数の推定値および関連する統計を計算します。
[~,~,stats] = fixedEffects(lme)
stats = Fixed effect coefficients: DFMethod = 'Residual', Alpha = 0.05 Name Estimate SE tStat DF pValue Lower Upper {'(Intercept)' } 50.133 2.2652 22.132 389 7.7727e-71 45.679 54.586 {'Acceleration'} -0.58327 0.13394 -4.3545 389 1.7075e-05 -0.84661 -0.31992 {'Horsepower' } -0.16954 0.0072609 -23.35 389 5.188e-76 -0.18382 -0.15527
小さい 値 (pValue
の下) は、すべての固定効果係数が有意であることを示しています。
標本データを読み込みます。
load('shift.mat');
このデータは 5 人の作業者が 3 つのシフトの間に製造した製品から計測された品質目標の特性の絶対偏差を示します。3 つのシフトとは朝、夕方、夜です。これは作業者をブロックとする乱塊法です。この実験は、シフトの時間によるパフォーマンスへの影響の調査を意図しています。パフォーマンスの測定基準は、目標値からの品質特性の偏差です。このデータは、シミュレーションされたものです。
Shift
および Operator
はノミナル変数です。
shift.Shift = nominal(shift.Shift); shift.Operator = nominal(shift.Operator);
シフトの時間によってパフォーマンスに有意差があるかどうかを評価するために、作業者別のランダムな切片をもつ線形混合効果モデルを当てはめます。
lme = fitlme(shift,'QCDev ~ Shift + (1|Operator)');
自由度の計算に残差法を使用して、固定効果の係数に対する 99% の信頼区間を計算します。これは既定のメソッドです。
[~,~,stats] = fixedEffects(lme,'alpha',0.01)
stats = Fixed effect coefficients: DFMethod = 'Residual', Alpha = 0.01 Name Estimate SE tStat DF pValue Lower Upper {'(Intercept)' } 3.1196 0.88681 3.5178 12 0.0042407 0.41081 5.8284 {'Shift_Morning'} -0.3868 0.48344 -0.80009 12 0.43921 -1.8635 1.0899 {'Shift_Night' } 1.9856 0.48344 4.1072 12 0.0014535 0.5089 3.4623
自由度の計算にサタースウェイトの近似法を使用して、固定効果の係数に対する 99% の信頼区間を計算します。
[~,~,stats] = fixedEffects(lme,'DFMethod','satterthwaite','alpha',0.01)
stats = Fixed effect coefficients: DFMethod = 'Satterthwaite', Alpha = 0.01 Name Estimate SE tStat DF pValue Lower Upper {'(Intercept)' } 3.1196 0.88681 3.5178 6.123 0.01214 -0.14122 6.3804 {'Shift_Morning'} -0.3868 0.48344 -0.80009 10 0.44225 -1.919 1.1454 {'Shift_Night' } 1.9856 0.48344 4.1072 10 0.00212 0.45343 3.5178
通常、サタースウェイトの近似法は残差法よりも小さな DF
値を出力します。このため、生成される 値 (pValue
) および信頼区間が大きくなります (Lower
および Upper
を参照)。
入力引数
線形混合効果モデル。fitlme
または fitlmematrix
を使用して構築した LinearMixedModel
オブジェクトとして指定します。
名前と値の引数
オプションの引数のペアを Name1=Value1,...,NameN=ValueN
として指定します。ここで、Name
は引数名で、Value
は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。
R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name
を引用符で囲みます。
例: [beta,betanames,stats] = fixedEffects(lme,'Alpha',0.01)
有意水準。'Alpha'
と 0 ~ 1 の範囲にあるスカラー値から構成されるコンマ区切りのペアとして指定します。値が α の場合、信頼水準は 100 × (1 – α)% です。
たとえば、99% の信頼区間の場合は、次のように信頼水準を指定できます。
例: 'Alpha',0.01
データ型: single
| double
0 に対して固定効果係数を検定する t 統計に対する自由度の近似の計算方法。'DFMethod'
と以下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。
"residual" | 既定の設定。自由度は定数で n – p に等しいと仮定されます。ここで n は観測値の数、p は固定効果の数です。 |
"satterthwaite" | サタースウェイトの近似法。 |
"none" | すべての自由度は無限大に設定されます。 |
たとえば、次のようにサタースウェイトの近似法を指定できます。
例: 'DFMethod','satterthwaite'
出力引数
バージョン履歴
R2013b で導入
参考
LinearMixedModel
| fitlme
| coefCI
| coefTest
| randomEffects
MATLAB Command
You clicked a link that corresponds to this MATLAB command:
Run the command by entering it in the MATLAB Command Window. Web browsers do not support MATLAB commands.
Web サイトの選択
Web サイトを選択すると、翻訳されたコンテンツにアクセスし、地域のイベントやサービスを確認できます。現在の位置情報に基づき、次のサイトの選択を推奨します:
また、以下のリストから Web サイトを選択することもできます。
最適なサイトパフォーマンスの取得方法
中国のサイト (中国語または英語) を選択することで、最適なサイトパフォーマンスが得られます。その他の国の MathWorks のサイトは、お客様の地域からのアクセスが最適化されていません。
南北アメリカ
- América Latina (Español)
- Canada (English)
- United States (English)
ヨーロッパ
- 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)