Main Content

margmean

クラス: RepeatedMeasuresModel

説明

tbl = margmean(rm,vars) は、テーブル tbl の変数 vars について推定された周辺平均を返します。

tbl = margmean(rm,vars,'alpha',alpha) は、周辺平均に対する 100*(1–alpha)% の信頼区間を返します。

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。

周辺平均の計算対象となる変数。rm 内の被験者間要因または被験者内要因の名前を表す文字ベクトルまたは string スカラー、あるいは、複数の変数の名前を表す string 配列、または文字ベクトルの cell 配列を指定します。被験者間要因はいずれもカテゴリカルでなければなりません。

たとえば、変数 Drug および Gender の周辺平均を計算するには、次のように指定します。

例: {'Drug','Gender'}

データ型: char | string | cell

母集団周辺平均の信頼区間の有意水準。0 ~ 1 の範囲のスカラー値として指定します。信頼度は 100*(1–alpha)% です。

たとえば、次のようにすると 99% の信頼度を指定できます。

例: 'alpha',0.01

データ型: double | single

出力引数

すべて展開する

周辺平均の推定値。テーブルとして返します。tbl には、vars で指定した変数のグループの組み合わせごとに 1 つの行、変数ごとに 1 つの列があり、さらに次の列があります。

列名説明
Mean周辺平均の推定値
StdErr推定値の標準誤差
Lower真の母集団平均の 95% 信頼区間の下限
Upper真の母集団平均の 95% 信頼区間の上限

すべて展開する

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);

要因 Group および Gender ごとにグループ化された周辺平均を計算します。

M = margmean(rm,{'Group' 'Gender'})
M=6×6 table
    Group    Gender     Mean      StdErr     Lower       Upper 
    _____    ______    _______    ______    ________    _______

      A      Female     15.946    5.6153      4.3009     27.592
      A      Male       8.0726    5.7236     -3.7973     19.943
      B      Female     11.758    5.7091    -0.08189     23.598
      B      Male       2.2858    5.6748      -9.483     14.055
      C      Female    -8.6183     5.871     -20.794     3.5574
      C      Male      -13.551    5.7283     -25.431    -1.6712

テーブル M の説明を表示します。

M.Properties.Description
ans = 
    'Estimated marginal means
     Means computed with Age=13.7, IQ=98.2667'

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);

要因となる種類ごとにグループ化された周辺平均を計算します。

margmean(rm,'species')
ans=3×5 table
       species         Mean      StdErr     Lower     Upper 
    ______________    ______    ________    ______    ______

    {'setosa'    }    2.5355    0.042807    2.4509    2.6201
    {'versicolor'}     3.573    0.042807    3.4884    3.6576
    {'virginica' }     4.285    0.042807    4.2004    4.3696

StdError フィールドには、周辺平均の推定値の標準誤差が表示されます。Lower フィールドと Upper フィールドには、グループ周辺平均の 95% の信頼区間の上限と下限がそれぞれ表示されます。どの信頼区間にも重複はありません。これは、種類ごとに周辺平均が異なることを示しています。また、plotprofile メソッドを使用して周辺平均の推定値をプロットすることもできます。

周辺平均の 99% の信頼区間を計算します。

margmean(rm,'species','alpha',0.01)
ans=3×5 table
       species         Mean      StdErr     Lower     Upper 
    ______________    ______    ________    ______    ______

    {'setosa'    }    2.5355    0.042807    2.4238    2.6472
    {'versicolor'}     3.573    0.042807    3.4613    3.6847
    {'virginica' }     4.285    0.042807    4.1733    4.3967