Matlab|multcompare文档

multcompare

Syntax

  c = multcompare(stats)
  c = multcompare(stats,Name,Value)
  [c,m] = multcompare(___)
  [c,m,h] = multcompare(___)
  [c,m,h,gnames] = multcompare(___)

Description

multcompare显示估计值与比较区间的交互式图表。每组均值由一个符号表示，区间由从符号向外延申的一条线表示。如果两组均值的区间不相交，则显著不同；如果两组区间重叠，则没有显著差异。
如果使用鼠标选择任何一组，则图形将会突出显示所有其他明显不同的组（如果有）

Inputs

stats - Test data - struct

测试数据，指定为结构。您可以创建一个结构使用以下功能之一：

anova1— 单因素方差分析。
anova2— 方差的双向分析。
anovan— N 路方差分析。
aoctool— 协方差工具的交互式分析。
friedman— 弗里德曼的测试。a
kruskalwallis— Kruskal-Wallis 检验。
multcompare不支持多重比较使用 anovan模型的输出，包括随机或嵌套效果。随机效应模型的计算产生一个警告，所有影响都被视为固定。嵌套模型不被接受。

Alpha - 显著性水平 - double

多重比较检验的显著性水平，指定为范围内的标量 (0,1)

Approximate - 使用近似方法计算Dunnett检验的临界值的标志 - logical

使用近似方法计算 Dunnett 检验的临界值的标志，指定为逻辑 1 ( true）或者 0 ( false).
这 multcompare函数找到 Dunnett 的临界值通过整合多元 t 分布进行测试。这的计算可能会很慢， n 路）方差分析 n 很大。为了加快计算速度，您可以使用近似方法（ [5] 通过指定 Approximate作为 true. 近似方法涉及随机性。如果要重现结果，请将随机种子设置为使用 rng调用前的函数 multcompare.
默认值为 true如果来源 stats是 anovan. 否则，默认值为 false.
此论点仅在以下情况下有效 CriticalValueType是 "dunnett".
例子： "Approximate",true
数据类型： logical

ControlGroup - Dennett检验的对照组指数

Dunnett 检验的对照组索引，指定为正整数价值。
指定比较的组之一 multcompare作为对照组。假设您指定 ControlGroup作为 idx. 此表显示了控制组值，这取决于的来源 stats.

来源stats	控制组
anova1	multcompare用途 stats.gnames(idx), 对应的组 stats.means(idx), 作为对照团体。
anova2	multcompare使用对应的组 stats.colmeans(idx)（如果 Estimate 是 "column"（默认））或 stats.rowmeans(idx)（如果 Estimate是 "row")
anovan	如果您指定 Dimension作为 d，然后 multcompare用途 stats.grpnames{d}(idx)作为对照团体。
aoctool	multcompare用途 stats.gnames(idx)作为对照团体。
friedman	multcompare使用对应的组 stats.meanranks(idx)作为对照团体。
kruskalwallis	multcompare用途 stats.gnames(idx), 对应的组 stats.meanranks(idx), 作为对照团体。

此论点仅在以下情况下有效 CriticalValueType是 "dunnett".
例子： "ControlGroup",3
数据类型： single | double

CriticalValueType - 临界值类型

值	描述
"lsd"	Fisher 最小显着性差法
"dunnett"	邓内特的测试
"tukey-kramer"或者 "hsd"（默认）	Tukey 的诚实显着差异过程
"dunn-sidak"	Dunn & Sidák 的方法
"bonferroni"	邦费罗尼法
"scheffe"	Scheffe 的程序

该表按保守的顺序列出了临界值类型，从最少到最多保守的。每个测试提供不同级别的保护，防止多重比较问题。
• "lsd"不提供任何保护。
• "dunnett"为比较提供保护控制组。
• "tukey-kramer", "dunn-sidak"，和 "bonferroni"为成对提供保护比较。
• "scheffe"为成对比较提供保护估计的所有线性组合的比较。
有关详细信息，请参阅多重比较过程。
例子： "CriticalValueType","bonferroni"
数据类型： string | char

Display - 显示切换

"on"（默认）| "off"
显示切换，指定为 "on"或者 "off". 如果你指定 "on"，然后 multcompare显示图表估计值及其比较区间。如果您指定 "off", 然后 multcompare省略图表。
例子： "Display","off"
数据类型： string | char

Dimension - 计算边际均值的维度

1（默认）| 正整数值 | 正整数值向量
计算总体边际均值的一个或多个维度，指定为正整数值，或此类值的向量。如果您指定 CriticalValueType作为 "dunnett"，那么你也能只指定一个维度。
此参数仅在您创建输入结构时有效 stats 使用功能 anovan.
例如，如果您指定 Dimension作为 1，然后 multcompare比较第一个分组的每个值的均值变量，通过去除其他分组变量的影响进行调整，就好像设计是均衡。如果您指定 Dimension作为 [1,3]，然后 multcompare计算每个组合的总体边际均值第一和第三分组变量，消除第二分组变量的影响。如果您拟合奇异模型，则某些单元均值可能无法估计，并且任何人口都处于边际意味着取决于那些单元格意味着将具有价值 NaN.
Milliken and Johnson (1992) 和 Searle, Speed, 和美利肯 (1980)。人口边际均值背后的想法是消除通过固定由 Dimension，并平均其他因素的影响，就好像每个因素组合发生的次数相同。人口边际的定义均值不取决于每个因子组合的观察次数。对于设计每个因子组合的观察次数没有意义的实验，总体边际均值比忽略其他的简单均值更容易解释因素。对于调查和其他研究，其中每个组合的观察次数确实有意义，但人口边际均值可能更难解释。
**例子： **"Dimension",[1,3]
数据类型： single | double

Estimate - 要比较的估计值

例子： "Estimate","row"
数据类型： string | char

输出参数

c - 多重比较结果矩阵

标量值矩阵
多重比较结果的矩阵，以 p ×6 标量值矩阵，其中 p 是数字成对的组。矩阵的每一行都包含一对配对比较测试。第 1 列和第 2 列包含正在比较的两个样本。第 3 列包含较低的置信度区间，第 4 列包含估计值，第 5 列包含上置信区间。第 6 列包含 p 值对于相应的均值差为的假设检验不等于 0。
例如，假设一行包含以下条目。
2.0000 5.0000 1.9442 8.2206 14.4971 0.0432
这些数字表明第 2 组的平均值减去平均值第 5 组的估计为 8.2206，置信区间为 95% 因为均值的真实差异是 [1.9442, 14.4971]。 _ p 值对于相应的假设检验，均值的差异第 2 组和第 5 组与零显着不同的是 0.0432。
在此示例中，置信区间不包含 0，所以差异在 5% 的显着性水平上是显着的。如果置信区间确实包含 0，差异不会是重要的。表明 p 值 0.0432 也第 2 组和第 5 组均值的差异显着不同于0。

m- 估计矩阵

标量值矩阵
估计矩阵，以标量值矩阵形式返回。第一列 m包含估计值每个方法的平均值（或任何正在比较的统计数据）组，第二列包含它们的标准误。

h - 图窗句柄

句柄
包含交互式图的图窗的句柄，以句柄形式返回。这个标题 graph 包含与图交互的指令，以及 x 轴标签包含有关哪些均值与所选均值显着不同的信息意思是。如果您打算使用此图表进行演示，您可能需要省略标题和 x 轴标签。您可以使用图形的交互功能删除它们窗口，或者您可以使用以下命令。

title(" ")
xlabel(" ")

gnames- 组名

字符向量元胞数组
组名称，以字符向量元胞数组形式返回。每一行 gnames包含组的名称。

posted @ 2022-06-02 15:34 brasn 阅读(1181) 评论(0) 编辑收藏举报

刷新页面返回顶部

brasn

学习！学习！学习！