Syslab使用手册
⋮

# randomEffects

混合线性模型的随机效应

函数库: TyMachineLearning

# 语法

B = randomEffects(lme)

# 说明

B = randomEffects(lme) 返回线性混合效应模型 Ime 中随机效应的最佳线性无偏预测器 (blps) 的估计。

# 示例

混合线性模型的随机效应
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)

混合线性模型的随机效应。

rde = randomEffects(lme)

7-element Vector{Float64}:
 -0.26835307505406947
 13.630880248536577
 -3.0407669748808903
 -1.0135456774768228
 -0.9614473187763011
 -0.0843268946633254
 -8.26244030769918

# 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

B - 偏预测器 (blps) 的估计
向量
线性混合效应模型 Ime 中随机效应的最佳线性无偏预测器 (blps) 的估计。

数据类型: Vector

# 另请参阅

fitglm | fitclinear | fitcecoc