Main Content

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

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。

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。

単一または複数のグループ因子の名前。文字ベクトル、string 配列、または文字ベクトルの cell 配列を指定します。

例: 'Drug'

例: {'Drug','Sex'}

データ型: char | string | cell

計算する統計値。次のいずれかとして指定します。

  • 計算する統計量の名前を指定する文字ベクトルまたは string スカラー。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
    'max'最大
    '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。

  • string 配列、または文字ベクトルおよび関数ハンドルの cell 配列。

例: @median

例: @skewness

例: 'gname'

例: {'gname','range','predci'}

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 table 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=3×4 table
       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=3×5 table
       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、および 8 件の反復測定値 y1y8 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、反復測定値 y1y8 は応答であり、年齢、IQ、グループ、性別、およびグループと性別の交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=6×7 table
    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 

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。

参考

|