Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

fitrm

Ajustar el modelo de medidas repetidas

Descripción

ejemplo

rm = fitrm(t,modelspec) Devuelve un modelo de medidas repetidas, especificado por, ajustado a las variables de la matriz de tabla o DataSet.modelspect

ejemplo

rm = fitrm(t,modelspec,Name,Value) Devuelve un modelo de medidas repetidas, con opciones adicionales especificadas por uno o más argumentos de par.Name,Value

Por ejemplo, puede especificar la hipótesis para los factores dentro del asunto.

Ejemplos

contraer todo

Cargue los datos de ejemplo.

load fisheriris

El vector de columna consiste en flores de iris de tres especies diferentes: setosa, versicolor y virginica.species La doble matriz consta de cuatro tipos de mediciones en las flores: la longitud y anchura de sépalos y pétalos en centímetros, respectivamente.meas

Almacene los datos en una matriz de tablas.

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),... 'VariableNames',{'species','meas1','meas2','meas3','meas4'}); Meas = table([1 2 3 4]','VariableNames',{'Measurements'});

Ajuste un modelo de medidas repetidas, donde las mediciones son las respuestas y la especie es la variable predictora.

rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas)
rm =    RepeatedMeasuresModel with properties:     Between Subjects:          BetweenDesign: [150x5 table]          ResponseNames: {'meas1'  'meas2'  'meas3'  'meas4'}     BetweenFactorNames: {'species'}           BetweenModel: '1 + species'     Within Subjects:           WithinDesign: [4x1 table]      WithinFactorNames: {'Measurements'}            WithinModel: 'separatemeans'     Estimates:           Coefficients: [3x4 table]             Covariance: [4x4 table]  

Visualice los coeficientes.

rm.Coefficients
ans=3×4 table
                           meas1       meas2      meas3      meas4  
                          ________    ________    ______    ________

    (Intercept)             5.8433      3.0573     3.758      1.1993
    species_setosa        -0.83733     0.37067    -2.296    -0.95333
    species_versicolor    0.092667    -0.28733     0.502     0.12667

utiliza los contrastes, lo que significa que los coeficientes suman 0.fitrm'effects' El tiene una columna de 1s para la intercepción, y otras dos columnas y, que son como sigue:rm.DesignMatrixspecies_setosaspecies_versicolor

<math display="block">
<mrow>
<mtable columnalign="center">
<mtr>
<mtd>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>s</mi>
<mi>p</mi>
<mi>e</mi>
<mi>c</mi>
<mi>i</mi>
<mi>e</mi>
<mi>s</mi>
<mo stretchy="false">_</mo>
<mi>s</mi>
<mi>e</mi>
<mi>t</mi>
<mi>o</mi>
<mi>s</mi>
<mi>a</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mo>=</mo>
<mrow>
<mo>{</mo>
<mrow>
<mtable columnalign="left left left left left left left left left left left left left left left left left left left left">
<mtr>
<mtd>
<mrow>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mspace width="0.2777777777777778em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>s</mi>
<mi>e</mi>
<mi>t</mi>
<mi>o</mi>
<mi>s</mi>
<mi>a</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mspace width="0.2777777777777778em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>v</mi>
<mi>e</mi>
<mi>r</mi>
<mi>s</mi>
<mi>i</mi>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mspace width="0.2777777777777778em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>v</mi>
<mi>i</mi>
<mi>r</mi>
<mi>g</mi>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>c</mi>
<mi>a</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mrow>
</mrow>
<mspace width="0.5em"></mspace>
<mspace width="0.5em"></mspace>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
<mspace width="0.5em"></mspace>
<mspace width="0.5em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>s</mi>
<mi>p</mi>
<mi>e</mi>
<mi>c</mi>
<mi>i</mi>
<mi>e</mi>
<mi>s</mi>
<mo stretchy="false">_</mo>
<mi>v</mi>
<mi>e</mi>
<mi>r</mi>
<mi>s</mi>
<mi>i</mi>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mo>=</mo>
<mrow>
<mo>{</mo>
<mrow>
<mtable columnalign="left left left left left left left left left left left left left left left left left left left left">
<mtr>
<mtd>
<mrow>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mspace width="0.2777777777777778em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>s</mi>
<mi>e</mi>
<mi>t</mi>
<mi>o</mi>
<mi>s</mi>
<mi>a</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mspace width="0.2777777777777778em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>v</mi>
<mi>e</mi>
<mi>r</mi>
<mi>s</mi>
<mi>i</mi>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mrow>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
<mspace width="0.2777777777777778em"></mspace>
<mrow>
<mstyle mathvariant="normal">
<mrow>
<mrow>
<mi>v</mi>
<mi>i</mi>
<mi>r</mi>
<mi>g</mi>
<mi>i</mi>
<mi>n</mi>
<mi>i</mi>
<mi>c</mi>
<mi>a</mi>
</mrow>
</mrow>
</mstyle>
</mrow>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mrow>
</mrow>
</mrow>
</mstyle>
</mrow>
</mtd>
</mtr>
</mtable>
</mrow>
</math>

Visualice la matriz de covarianza.

rm.Covariance
ans=4×4 table
              meas1       meas2       meas3       meas4  
             ________    ________    ________    ________

    meas1     0.26501    0.092721     0.16751    0.038401
    meas2    0.092721     0.11539    0.055244     0.03271
    meas3     0.16751    0.055244     0.18519    0.042665
    meas4    0.038401     0.03271    0.042665    0.041882

Cargue los datos de ejemplo.

load(fullfile(matlabroot,'examples','stats','longitudinalData.mat'));

La matriz contiene datos de respuesta para 16 personas.Y La respuesta es el nivel sanguíneo de un fármaco medido en cinco puntos de tiempo (tiempo = 0, 2, 4, 6 y 8). Cada fila de corresponde a un individuo, y cada columna corresponde a un punto de tiempo.Y Los ocho primeros sujetos son femeninos, y los segundos ocho sujetos son masculinos. Se trata de datos simulados.

Defina una variable que almacena información de género.

Gender = ['F' 'F' 'F' 'F' 'F' 'F' 'F' 'F' 'M' 'M' 'M' 'M' 'M' 'M' 'M' 'M']';

Almacene los datos en un formato de matriz de tabla adecuado para realizar análisis de medidas repetidas.

t = table(Gender,Y(:,1),Y(:,2),Y(:,3),Y(:,4),Y(:,5),... 'VariableNames',{'Gender','t0','t2','t4','t6','t8'});

Defina la variable dentro de los sujetos.

Time = [0 2 4 6 8]';

Ajuste un modelo de medidas repetidas, donde los niveles sanguíneos son las respuestas y el género es la variable predictora. Defina también la hipótesis para los factores dentro del sujeto.

rm = fitrm(t,'t0-t8 ~ Gender','WithinDesign',Time,'WithinModel','orthogonalcontrasts')
rm =    RepeatedMeasuresModel with properties:     Between Subjects:          BetweenDesign: [16x6 table]          ResponseNames: {'t0'  't2'  't4'  't6'  't8'}     BetweenFactorNames: {'Gender'}           BetweenModel: '1 + Gender'     Within Subjects:           WithinDesign: [5x1 table]      WithinFactorNames: {'Time'}            WithinModel: 'orthogonalcontrasts'     Estimates:           Coefficients: [2x5 table]             Covariance: [5x5 table]  

Cargue los datos de ejemplo.

load repeatedmeas

La tabla incluye las ocho mediciones repetidas, a través de, como respuestas y los factores entre-sujeto,,, y. y como variables continuas.betweeny1y8GroupGenderIQAgeIQAge La tabla incluye los factores dentro del sujeto y.withinw1w2

Ajuste un modelo de medidas repetidas, donde edad, IQ y grupo, género son las variables predictoras, y el modelo incluye el efecto de interacción de grupo y género. Defina también los factores dentro del asunto.

rm = fitrm(between,'y1-y8 ~ Group*Gender+Age+IQ','WithinDesign',within)
rm =    RepeatedMeasuresModel with properties:     Between Subjects:          BetweenDesign: [30x12 table]          ResponseNames: {'y1'  'y2'  'y3'  'y4'  'y5'  'y6'  'y7'  'y8'}     BetweenFactorNames: {'Age'  'IQ'  'Group'  'Gender'}           BetweenModel: '1 + Age + IQ + Group*Gender'     Within Subjects:           WithinDesign: [8x2 table]      WithinFactorNames: {'w1'  'w2'}            WithinModel: 'separatemeans'     Estimates:           Coefficients: [8x8 table]             Covariance: [8x8 table]  

Visualice los coeficientes.

rm.Coefficients
ans=8×8 table
                                y1         y2         y3         y4          y5           y6         y7          y8   
                             ________    _______    _______    _______    _________    ________    _______    ________

    (Intercept)                141.38     195.25     9.8663    -49.154       157.77     0.23762    -42.462      76.111
    Age                       0.32042    -4.7672    -1.2748     0.6216      -1.0621     0.89927     1.2569    -0.38328
    IQ                        -1.2671    -1.1653    0.05862     0.4288      -1.4518    -0.25501    0.22867    -0.72548
    Group_A                   -1.2195    -9.6186     22.532     15.303       12.602      12.886     10.911      11.487
    Group_B                    2.5186      1.417    -2.2501    0.50181       8.0907      3.1957     11.591      9.9188
    Gender_Female              5.3957    -3.9719     8.5225     9.3403       6.0909       1.642    -2.1212      4.8063
    Group_A:Gender_Female      4.1046     10.064    -7.3053    -3.3085       4.6751      2.4907     -4.325     -4.6057
    Group_B:Gender_Female    -0.48486    -2.9202     1.1222    0.69715    -0.065945    0.079468     3.1832      6.5733

La pantalla muestra los coeficientes para ajustar las medidas repetidas en función de los términos del modelo entre sujetos.

Argumentos de entrada

contraer todo

Datos de entrada, que incluye los valores de las variables de respuesta y los factores entre-asunto que se utilizarán como predictores en el modelo de medidas repetidas, especificado como una tabla.

Tipos de datos: table

Fórmula para la especificación del modelo, especificada como un vector de caracteres o un escalar de cadena del formulario.'y1-yk ~ terms' Las respuestas y los términos se especifican mediante. trata las variables utilizadas en términos de modelo como categóricas si son categóricas (nominales u ordinales), lógicas, matrices de caracteres, matrices de cadenas o matrices de celdas de vectores de caracteres.La notación Wilkinsonfitrm

Por ejemplo, si tiene cuatro medidas repetidas como respuestas y los factores, y como variables predictoras, puede definir un modelo de medidas repetidas como se indica a continuación.x1x2x3

Ejemplo: 'y1-y4 ~ x1 + x2 * x3'

Argumentos de par nombre-valor

Especifique pares de argumentos separados por comas opcionales. es el nombre del argumento y es el valor correspondiente. deben aparecer dentro de las cotizaciones.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como.Name1,Value1,...,NameN,ValueN

Ejemplo: Especifica la matriz como la matriz de diseño para los factores dentro del asunto y el modelo para los factores dentro del asunto y es.'WithinDesign','W','WithinModel','w1+w2'ww1w2'w1+w2'

Diseño para factores dentro del asunto, especificados como el par separado por comas que consta de uno de los siguientes:'WithinDesign'

  • Vector numérico de longitud, donde es el número de medidas repetidas.rr

    En este caso, trata los valores en el vector como continuos, y estos son típicamente valores de tiempo.fitrm

  • matriz-por-numérica de los valores de los factores dentro del sujeto,rkkw1,w2, ..., Wk.

    En este caso, trata todas las variables como continuas.fitrmk

  • -por-tabla que contiene los valores de los factores dentro del sujeto.rkk

    En este caso, trata todas las variables numéricas como continuas y todas las variables categóricas como categóricas.fitrm

Por ejemplo, si la tabla contiene los valores de los factores dentro del asunto, puede definir la tabla de diseño de la siguiente manera.weeks

Ejemplo: 'WithinDesign',weeks

Tipos de datos: single | double | table

Modelo que especifica la prueba de hipótesis dentro del sujeto, especificada como el par separado por comas que consta de uno de los siguientes:'WithinModel'

  • — Calcular una media separada para cada grupo.'separatemeans'

  • : Solo es válido cuando el modelo dentro del asunto tiene un solo factor numérico.'orthogonalcontrasts'T Las respuestas son el promedio, la pendiente de centrado y, en general, todos los contrastes ortogonales para un polinomio hasta ^ (– 1), donde es el número si las filas en el modelo dentro del sujeto.TTpp

  • Un vector de caracteres o un escalar de cadena que define una especificación de modelo en los factores dentro del asunto. Puede definir el modelo según las reglas para el in.termsmodelspec

Por ejemplo, si hay tres factores dentro del asunto y, a continuación, puede especificar un modelo para los factores dentro del asunto de la siguiente manera.w1w2w3

Ejemplo: 'WithinModel','w1+w2+w2*w3'

Tipos de datos: char | string

Argumentos de salida

contraer todo

Modelo de medidas repetidas, devuelto como un objeto.RepeatedMeasuresModel

Para las propiedades y los métodos de este objeto, vea.RepeatedMeasuresModel

Más acerca de

contraer todo

Especificación del modelo usando la notación Wilkinson

La notación Wilkinson describe los factores presentes en los modelos. No describe los multiplicadores (coeficientes) de esos factores.

Las siguientes reglas especifican las respuestas en.modelspec

La notación WilkinsonSignificado
Y1,Y2,Y3Lista específica de variables
Y1-Y5Todas las variables de tabla desdeY1Y5

Las siguientes reglas especifican los términos en.modelspec

La notación WilkinsonFactores en la notación estándar
1Término constante (intercepción)
, donde es un entero positivoX^kk,X X2, ..., Xk
X1 + X2,X1X2
X1*X2, ,X1X2X1*X2
X1:X2solamenteX1*X2
-X2No incluyaX2
X1*X2 + X3, , ,X1X2X3X1*X2
X1 + X2 + X3 + X1:X2, , ,X1X2X3X1*X2
X1*X2*X3 - X1:X2:X3, , , , ,X1X2X3X1*X2X1*X3X2*X3
X1*(X2 + X3), , , ,X1X2X3X1*X2X1*X3

notación siempre incluye un término constante a menos que se elimine explícitamente el término using.Statistics and Machine Learning Toolbox™-1

Consulte también

Introducido en R2014a