ドキュメンテーション センター

  • 評価版
  • 製品アップデート

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

addTerms

クラス: GeneralizedLinearModel

一般化線形モデルに項を追加

構文

mdl1 = addTerms(mdl,terms)

説明

mdl1 = addTerms(mdl,terms)mdl と同じですが、項を追加した一般化線形モデルを返します。

入力引数

mdl

fitglm または stepwiseglm によって構築される一般化線形モデル。

terms

mdl 回帰モデルに追加するための項。次のいずれかとして指定します。

  • 追加する 1 つまたは複数の項を表すテキスト文字列。詳細については「ウィルキンソンの表記法」を参照してください。

  • 項の行列にある行 (fitglmmodelspec を参照してください)。たとえば、ABC という 3 つの変数があるとします。

    [0 0 0] represents a constant term or intercept
    [0 1 0] represents B; equivalently, A^0 * B^1 * C^0
    [1 0 1] represents A*C
    [2 0 0] represents A^2
    [0 1 2] represents B*(C^2)

出力引数

mdl1

mdl と同じですが、terms に項が追加されている一般化線形モデルです。mdl を上書きするために mdl1mdl と同じに設定できます。

定義

ウィルキンソンの表記法

ウィルキンソンの表記法は、モデルに存在する因子を記述します。この表記法は、モデルに存在する因子に関係するものであり、それらの因子の乗数 (係数) に関係するものではありません。

ウィルキンソンの表記法標準表記の因子
1定数 (切片) 項
A^kk は正の整数A, A2, ..., Ak
A + BA, B
A*BA, B, A*B
A:BA*B のみ
-BB は含めないでください
A*B + CA, B, C, A*B
A + B + C + A:BA, B, C, A*B
A*B*C - A:B:CA, B, C, A*B, A*C, B*C
A*(B + C)A, B, C, A*B, A*C

Statistics Toolbox™ 表記は、-1 を使用して項を明示的に削除しない限り、常に定数項を含みます。

詳細は、Wilkinson と Rogers の [1] を参照してください。

すべて展開する

一般化線形モデルに項を追加

予測子を 1 つのみ使用してモデルを作成し、次に 2 つめの予測子を追加します。

元となる 2 つの予測子 X(1) および X(2) のポアソン乱数で、モデルのための人為的なデータを生成します。

rng('default') % for reproducibility
rndvars = randn(100,2);
X = [2+rndvars(:,1),rndvars(:,2)];
mu = exp(1 + X*[1;2]);
y = poissrnd(mu);

ポアソン データの一般化線形回帰モデルを作成します。このモデルで最初の予測子のみ使用します。

mdl = fitglm(X,y,...
    'y ~ x1','distr','poisson')
mdl = 

Generalized Linear regression model:
    log(y) ~ 1 + x1
    Distribution = Poisson

Estimated Coefficients:
                   Estimate    SE           tStat     pValue
    (Intercept)    2.7784       0.014043    197.85    0     
    x1             1.1732      0.0033653     348.6    0     

100 observations, 98 error degrees of freedom
Dispersion: 1
Chi^2-statistic vs. constant model: 1.25e+05, p-value = 0

2 つめの予測子をモデルに追加します。

mdl1 = addTerms(mdl,'x2')
mdl1 = 

Generalized Linear regression model:
    log(y) ~ 1 + x1 + x2
    Distribution = Poisson

Estimated Coefficients:
                   Estimate    SE           tStat     pValue
    (Intercept)    1.0405       0.022122    47.034    0     
    x1             0.9968       0.003362    296.49    0     
    x2              1.987      0.0063433    313.24    0     

100 observations, 97 error degrees of freedom
Dispersion: 1
Chi^2-statistic vs. constant model: 2.95e+05, p-value = 0

参考文献

[1] Wilkinson, G. N., and C. E. Rogers. Symbolic description of factorial models for analysis of variance. J. Royal Statistics Society 22, pp. 392–399, 1973.

代替法

step は、貪欲 1 ステップ法を使ってモデルの項を追加または削除します。

参考

| | |

詳細

この情報は役に立ちましたか?