# plotResiduals
绘制线性混合效应模型的残差
函数库: TyMachineLearning
# 语法
plotResiduals(mdl)
# 说明
plotResiduals(mdl,plottype) 在由plottype指定的类型的图中绘制线性混合效应模型1me的原始条件残差。
# 示例
检验残差
《体重》包含了一项纵向研究的数据，在这项研究中，20名受试者被随机分配到4个锻炼项目中，他们的体重减轻情况被记录在6个为期2周的时间段内。这是模拟数据。将数据存储在一个表中。将Subject和Program定义为分类变量。
using TyPlot
using DataFrames
using TyMachineLearning
using CSV
file2 = joinpath(pkgdir(TyMachineLearning), "data/Regression/residuals.csv")
lasdata_x2 = CSV.read(file2, DataFrame; header=1)
formula2 = "y ~ InitialWeight + Program + Week + Program:Week"
group2 = "Subject"
random_formula = "Week"
拟合线性模型：
lme2 = fitlme(lasdata_x2, formula2, group2; random_formula="Week")
绘制主效应图：
plotResiduals(lme2)
绘制残差与拟合值的关系。
plotResiduals(lme2,"fitted")
没有明显的模式，因此没有异方差的直接迹象。创建残差的中位数对称图。
plotResiduals(lme2,"symmetry")
残差数据看起来很正常。
找出图右边看起来是离群值的数据的观测值。
using TyBaseCore
find(residuals(lme2).>0.25)
1-element Vector{Int64}:
101
绘制原始残差与滞后残差的图。
plotResiduals(lme2,"lagged")
# 输入参数
mdl - 线性回归模型线性回归模型
使用 fitlm(X,y) 或 stepwiselm(X,y,__) 创建的线性回归模型。
数据类型: 对象
plottype - 绘图类别绘图类别
| column1 | column2 |
|---|---|
| 'histogram' | Default. Histogram of residuals |
| 'caseorder' | Residuals versus case (row) order |
| 'fitted' | Residuals versus fitted values |
| 'lagged' | Residuals versus lagged residual (r(t) versus r(t – 1)) |
| 'probability' | Normal probability plot |
| 'symmetry' | Symmetry plot |
数据类型: String
# 输出参数
fig - 线性回归模型的主效应图图表
返回一个使用 TyPlot 工具箱绘制的线性回归模型的主效应图。