Syslab使用手册
⋮

# covarianceParameters

提取线性混合效应模型的协方差参数

函数库: TyMachineLearning

# 语法

psi = covarianceParameters(lme)

# 说明

psi = covarianceParameters(lme) 返回将随机效应的先验协方差参数化的估计协方差参数。

# 示例

提取线性混合效应模型的协方差参数
加载数据集，该数据中 lasdata_x 大小为 205×3，其中每行表示每一个观测值，3 列特征变量分别表示为 Horsepower、CityMPG、EngineType。 
using CSV
using TyMachineLearning
using DataFrames
file1 = joinpath(pkgdir(TyMachineLearning), "data/Regression/MXL_data.csv")
lasdata_x = CSV.read(file1, DataFrame; header=1)

打印 lasdata_x 的前 5 行进行观测。

lasdata_x[1:5,:]

5×3 DataFrame
 Row │ Horsepower  CityMPG  EngineType 
     │ Float64     Int64    Int64      
─────┼─────────────────────────────────
   1 │      111.0       21          13
   2 │      111.0       21          13
   3 │      154.0       19          37
   4 │      102.0       24          35
   5 │      115.0       18          35

拟合城市中每加仑英里数 (CityMPG) 的线性混合效应模型，设置对马力 (Horsepower) 有固定效应，按发动机类型 (EngineType) 分组。

formula = "CityMPG~Horsepower"
group = "EngineType"
lme = fitlme(lasdata_x, formula, group)

计算随机效应的协方差参数的估计。

psi = covarianceParameters(lme)

1×1 Matrix{Float64}:
 46.91375392208317

# 输入参数

lme - 拟合线性混合效应模型
模型对象
返回线性混合效应模型对象，可以通过 lme.summary() 返回模型参数的相关信息。
  • lme.fittedvalues:模型的拟合值
  • lme.random_effects：模型的随机效应相关参数
  • lme.pvalues：系数估计的显著性 p 值
  • lme.tvalues：系数估计的显著性 t 统计量
  • lme.method：混合效应模型使用的方法
  • lme.summary：模型参数的属性表

数据类型: 模型对象

# 输出参数

psi - 协方差参数化的估计协方差参数
向量
随机效应的先验协方差参数化的估计协方差参数。

数据类型: Vector

# 另请参阅

fitglm | fitclinear | fitcecoc