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

addTerms

Agregue términos al modelo de regresión lineal

Descripción

ejemplo

NewMdl = addTerms(mdl,terms) Devuelve un modelo de regresión lineal equipado con los datos de entrada y la configuración en los términos agregados.mdlterms

Ejemplos

contraer todo

Cree un modelo de regresión lineal del conjunto de datos sin ninguna interacción y, a continuación, agregue un término de interacción.carsmall

Cargue el conjunto de datos y cree un modelo de MPG en función del peso y el año del modelo.carsmall

load carsmall tbl = table(MPG,Weight); tbl.Year = categorical(Model_Year); mdl = fitlm(tbl,'MPG ~ Year + Weight^2')
mdl =  Linear regression model:     MPG ~ 1 + Weight + Year + Weight^2  Estimated Coefficients:                     Estimate         SE         tStat       pValue                      __________    __________    _______    __________      (Intercept)        54.206        4.7117     11.505    2.6648e-19     Weight          -0.016404     0.0031249    -5.2493    1.0283e-06     Year_76            2.0887       0.71491     2.9215     0.0044137     Year_82            8.1864       0.81531     10.041    2.6364e-16     Weight^2       1.5573e-06    4.9454e-07      3.149     0.0022303   Number of observations: 94, Error degrees of freedom: 89 Root Mean Squared Error: 2.78 R-squared: 0.885,  Adjusted R-Squared: 0.88 F-statistic vs. constant model: 172, p-value = 5.52e-41 

El modelo incluye cinco términos,,,, y, donde y son variables indicadoras para la variable categórica que tiene tres valores distintos.InterceptWeightYear_76Year_82Weight^2Year_76Year_82Year

Agregue un término de interacción entre las variables y.YearWeightmdl

terms = 'Year*Weight'; NewMdl = addTerms(mdl,terms)
NewMdl =  Linear regression model:     MPG ~ 1 + Weight*Year + Weight^2  Estimated Coefficients:                        Estimate          SE         tStat        pValue                         ___________    __________    ________    __________      (Intercept)            48.045         6.779      7.0874    3.3967e-10     Weight              -0.012624     0.0041455     -3.0454     0.0030751     Year_76                2.7768        3.0538     0.90931        0.3657     Year_82                16.416        4.9802      3.2962     0.0014196     Weight:Year_76    -0.00020693    0.00092403    -0.22394       0.82333     Weight:Year_82     -0.0032574     0.0018919     -1.7217      0.088673     Weight^2           1.0121e-06      6.12e-07      1.6538       0.10177   Number of observations: 94, Error degrees of freedom: 87 Root Mean Squared Error: 2.76 R-squared: 0.89,  Adjusted R-Squared: 0.882 F-statistic vs. constant model: 117, p-value = 1.88e-39 

incluye dos términos adicionales y.NewMdlWeight*Year_76Weight*Year_82

Argumentos de entrada

contraer todo

Modelo de regresión lineal, especificado como un objeto creado mediante o.LinearModelfitlmstepwiselm

Términos que se agregan al modelo de regresión, especificados como uno de los siguientes:mdl

  • Fórmula en la representación de uno o más términos.La notación Wilkinson

  • Términos matriz de tamaño por-, donde es el número de términos y es el número de variables predictoras en.tptpmdl El valor de es el exponente de la variable en el término.T(i,j)ji

    Por ejemplo, supongamos que tiene tres variables y, en ese orden.mdlABC Cada fila de representa un término:T

    • — Término constante o intercepción[0 0 0]

    • — ; Equivalente[0 1 0]BA^0 * B^1 * C^0

    • [1 0 1]A*C

    • [2 0 0]A^2

    • [0 1 2]B*(C^2)

trata un grupo de variables indicadoras para un predictor categórico como una sola variable.addTerms Por lo tanto, no puede especificar una variable de indicador para agregarla al modelo. Si especifica un predictor categórico para agregarlo al modelo, agrega un grupo de variables indicadoras para el predictor en un paso.addTerms Consulte un ejemplo que describe cómo crear variables de indicador manualmente y tratar cada una de ellas como una variable independiente.Modificar modelo de regresión lineal mediantestep

Argumentos de salida

contraer todo

Modelo de regresión lineal con términos adicionales, devuelto como un objeto. es un modelo recién ajustado que utiliza los datos de entrada y la configuración con los términos adicionales especificados en.LinearModelNewMdlmdlterms

Para sobrescribir el argumento de entrada, asigne el modelo recién ajustado a:mdlmdl

mdl = addTerms(mdl,terms);

Más acerca de

contraer todo

La notación Wilkinson

La notación Wilkinson describe los términos presentes en un modelo. La notación se relaciona con los términos presentes en un modelo, no con los multiplicadores (coeficientes) de esos términos.

La notación Wilkinson utiliza estos símbolos:

  • significa incluir la siguiente variable.+

  • significa no incluir la siguiente variable.

  • define una interacción, que es un producto de términos.:

  • define una interacción y todos los términos de orden inferior.*

  • eleva el predictor a una potencia, exactamente como se repite, también incluye términos de orden inferior.^*^

  • términos de grupos.()

Esta tabla muestra ejemplos típicos de la notación Wilkinson.

La notación WilkinsonTérmino en notación estándar
1Término constante (intercepción)
, donde es un entero positivoA^kk,A A2, ..., Ak
A + B,AB
A*B, ,ABA*B
A:BsolamenteA*B
–BNo incluyaB
A*B + C, , ,ABCA*B
A + B + C + A:B, , ,ABCA*B
A*B*C – A:B:C, , , , ,ABCA*BA*CB*C
A*(B + C), , , ,ABCA*BA*C

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

Para obtener más información, consulte.La notación Wilkinson

Algoritmos

  • addTerms trata un predictor categórico de la siguiente manera:

    • Un modelo con un predictor categórico que tiene niveles (categorías) incluyeL L – 1 variables indicadoras. El modelo utiliza la primera categoría como nivel de referencia, por lo que no incluye la variable indicadora para el nivel de referencia. Si el tipo de datos del predictor categórico es, a continuación, puede comprobar el orden de las categorías mediante el uso y reordenar las categorías mediante el uso para personalizar el nivel de referencia.Categóricocategoriesreordercats

    • addTerms trata al grupo de L – 1 variables indicadoras como una sola variable. Si desea tratar las variables indicadoras como variables predictoras distintas, cree las variables indicadoras manualmente utilizando.dummyvar A continuación, utilice las variables indicadoras, excepto la correspondiente al nivel de referencia de la variable categórica, al ajustar un modelo. Para el predictor categórico, si especifica todas las columnas y un término de intercepción como predictores, la matriz de diseño se convierte en deficiente de rango.Xdummyvar(X)

    • Los términos de interacción entre un predictor continuo y un predictor categórico con niveles consisten en el producto elemento-sabio delL L – 1 variables indicadoras con el predictor continuo.

    • Los términos de interacción entre dos predictores categóricos y los niveles consisten en laLM (L – 1)*(M – 1) variables indicadoras para incluir todas las combinaciones posibles de los dos niveles predictores categóricos.

    • No puede especificar términos de orden superior para un predictor categórico porque el cuadrado de un indicador es igual a sí mismo.

Funcionalidad alternativa

  • Se usa para especificar términos en un modelo inicial y continuar mejorando el modelo hasta que no haya un solo paso de agregar o quitar un término que sea beneficioso.stepwiselm

  • Uso removeTerms para eliminar términos específicos de un modelo.

  • Uso step para mejorar óptimamente un modelo añadiendo o eliminando términos.

Introducido en R2012a