predict
与えられた予測子の値から予測された値を計算
説明
例
応答値の予測
標本データを読み込みます。
load fisheriris
列ベクトル species
は、3 種類のアヤメ (setosa、versicolor、virginica) で構成されています。double 行列 meas
は、花に関する 4 種類の測定値、がく片の長さと幅 (cm) と花弁の長さと幅 (cm) で構成されています。
データを table 配列に保存します。
t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4), ... 'VariableNames',{'species','meas1','meas2','meas3','meas4'}); Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});
反復予測モデルを当てはめます。ここで、測定が応答、種類が予測子変数となります。
rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);
3 つの種類に対する応答を予測します。
Y = predict(rm,t([1 51 101],:))
Y = 3×4
5.0060 3.4280 1.4620 0.2460
5.9360 2.7700 4.2600 1.3260
6.5880 2.9740 5.5520 2.0260
応答値の予測と予測のプロット
標本データを読み込みます。
load longitudinalData
行列 Y
には 16 人の応答データが含まれています。応答は 5 つの時間点 (time = 0、2、4、6、8) で測定された薬の血中濃度です。Y
の各行は 1 人の個人に対応し、各列は 1 つの時間点に対応します。最初の 8 人の被験者は女性で、次の 8 人の被験者は男性です。このデータは、シミュレーションされたものです。
性別情報を格納する変数を定義します。
Gender = ['F' 'F' 'F' 'F' 'F' 'F' 'F' 'F' 'M' 'M' 'M' 'M' 'M' 'M' 'M' 'M']';
データを所定の table 配列形式で保存し、反復測定の解析を実行します。
t = table(Gender,Y(:,1),Y(:,2),Y(:,3),Y(:,4),Y(:,5), ... 'VariableNames',{'Gender','t0','t2','t4','t6','t8'});
被験者内変数を定義します。
Time = [0 2 4 6 8]';
反復予測モデルを当てはめます。ここで、血中濃度が応答、性別が予測子変数となります。
rm = fitrm(t,'t0-t8 ~ Gender','WithinDesign',Time);
中間の時点での応答を予測します。
time = linspace(0,8)'; Y = predict(rm,t([1 5 8 12],:), ... 'WithinModel','orthogonalcontrasts','WithinDesign',time);
推定された周辺平均に沿って予測値をプロットします。
plotprofile(rm,'Time','Group',{'Gender'}) hold on; plot(time,Y,'Color','k','LineStyle',':'); legend('Gender=F','Gender=M','Predictions') hold off
信頼区間の計算とプロット
標本データを読み込みます。
load longitudinalData
行列 Y
には 16 人の応答データが含まれています。応答は 5 つの時間点 (time = 0、2、4、6、8) で測定された薬の血中濃度です。Y の各行は個人に、各列は時点に対応します。最初の 8 人の被験者は女性で、次の 8 人の被験者は男性です。このデータは、シミュレーションされたものです。
性別情報を格納する変数を定義します。
Gender = ['F' 'F' 'F' 'F' 'F' 'F' 'F' 'F' 'M' 'M' 'M' 'M' 'M' 'M' 'M' 'M']';
データを所定の table 配列形式で保存し、反復測定の解析を実行します。
t = table(Gender,Y(:,1),Y(:,2),Y(:,3),Y(:,4),Y(:,5), ... 'VariableNames',{'Gender','t0','t2','t4','t6','t8'});
被験者内変数を定義します。
Time = [0 2 4 6 8]';
反復予測モデルを当てはめます。ここで、血中濃度が応答、性別が予測子変数となります。
rm = fitrm(t,'t0-t8 ~ Gender','WithinDesign',Time);
中間の時点での応答を予測します。
time = linspace(0,8)'; [ypred,ypredci] = predict(rm,t([1 5 8 12],:), ... 'WithinModel','orthogonalcontrasts','WithinDesign',time);
予測値と、予測値の信頼区間を、推定された周辺平均に沿ってプロットします。
p1 = plotprofile(rm,'Time','Group',{'Gender'}); hold on; p2 = plot(time,ypred,'Color','k','LineStyle',':'); p3 = plot(time,ypredci(:,:,1),'k--'); p4 = plot(time,ypredci(:,:,2),'k--'); legend([p1;p2(1);p3(1)],'Gender=F','Gender=M','Predictions','Confidence Intervals') hold off
入力引数
rm
— 反復測定モデル
RepeatedMeasuresModel
オブジェクト
反復測定モデル。RepeatedMeasuresModel
オブジェクトとして返します。
このオブジェクトのプロパティとメソッドについては、RepeatedMeasuresModel
を参照してください。
tnew
— 新規データ
rm
の作成に使用するテーブル (既定値) | テーブル
反復測定モデル rm
の予測子として使用する応答変数と被験者間要因の値を含む新しいデータ。テーブルとして指定します。tnew
には rm
の作成に使用するすべての被験者間要因が格納されていなければなりません。
名前と値の引数
オプションの引数のペアを Name1=Value1,...,NameN=ValueN
として指定します。ここで Name
は引数名、Value
は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。
R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name
を引用符で囲みます。
例: ypred = predict(rm,tnew,'alpha',0.01)
Alpha
— 有意水準
0.05 (既定値) | 0 ~ 1 の範囲のスカラー値
予測値の信頼区間の有意水準。'alpha'
と 0 ~ 1 の範囲のスカラー値から構成されるコンマ区切りのペアとして指定します。信頼水準は 100*(1–alpha
)% です。
例: 'alpha',0.01
データ型: double
| single
WithinModel
— 被験者内要因のモデル
'separatemeans'
| 'orthogonalcontrats'
| 文字ベクトル | string スカラー
被験者内要因のモデル。'WithinModel'
と以下のいずれかで構成されるコンマ区切りペアとして指定します。
'separatemeans'
— グループごとの平均を計算します。'orthogonalcontrasts'
— 被験者内計画が 1 つの数値因子 T で構成されている場合に有効です。これにより、最大次数が T(r-1) である直交多項式 (r は反復測定の回数) で構成されるモデルが指定されます。被験者内要因のモデル仕様を定義する文字ベクトルまたは string スカラー。
例: 'WithinModel','orthogonalcontrasts'
データ型: char
| string
WithinDesign
— 被験者内要因の計画
ベクトル | 行列 | テーブル
被験者内要因の計画。'WithinDesign'
とベクトル、行列、テーブルのいずれかで構成されるコンマ区切りペアとして指定します。これにより、被験者内要因の値が RM.WithinDesign
プロパティと同じ形式で得られます。
例: 'WithinDesign','Time'
データ型: single
| double
| table
出力引数
バージョン履歴
R2014a で導入
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)