什么是模型矩阵/设计矩阵
what is a model matrix / design matrix
我偶然发现了 R 中的 stats::model.matrix
函数。在描述中它说它会创建一个设计矩阵。它给了我一个奇怪的行数,这既不对应于我数据中的观察数量,也不对应于我模型中的参数数量。
什么是设计矩阵/模型矩阵?
以下是我的使用方法:
M03b <- glmer(APMs ~ PrePost + Gf + eyeFRF + (1|content) + (eyeFRF|ID), data=mlmData, family=binomial("logit"))
X <- model.matrix(M03b)
它给了我一个 2895x4 矩阵。 ID 有 105 个级别和 28 个内容,所以行数对我来说意义不大。也许缺失值是一个问题?
在回归模型中,写成矩阵向量形式
Y = X * B + e,
矩阵 X 是设计矩阵,Y 是因变量的观察向量,B 是响应系数向量(每个解释变量一个),e 是包含模型的值的向量各种观察的误差项。在设计矩阵中,每一列都是一个解释变量的观察向量。
因此,X 的大小必须是 n X m 矩阵,B 是 m x p 矩阵,只有当 X 中的列数等于中的行数时,才能定义乘积 XB B,在本例中为 m。
鉴于 X 的 2895x4 暗淡,您应该能够确认 B M03b
具有 4 个响应系数。
我偶然发现了 R 中的 stats::model.matrix
函数。在描述中它说它会创建一个设计矩阵。它给了我一个奇怪的行数,这既不对应于我数据中的观察数量,也不对应于我模型中的参数数量。
什么是设计矩阵/模型矩阵?
以下是我的使用方法:
M03b <- glmer(APMs ~ PrePost + Gf + eyeFRF + (1|content) + (eyeFRF|ID), data=mlmData, family=binomial("logit"))
X <- model.matrix(M03b)
它给了我一个 2895x4 矩阵。 ID 有 105 个级别和 28 个内容,所以行数对我来说意义不大。也许缺失值是一个问题?
在回归模型中,写成矩阵向量形式
Y = X * B + e,
矩阵 X 是设计矩阵,Y 是因变量的观察向量,B 是响应系数向量(每个解释变量一个),e 是包含模型的值的向量各种观察的误差项。在设计矩阵中,每一列都是一个解释变量的观察向量。
因此,X 的大小必须是 n X m 矩阵,B 是 m x p 矩阵,只有当 X 中的列数等于中的行数时,才能定义乘积 XB B,在本例中为 m。
鉴于 X 的 2895x4 暗淡,您应该能够确认 B M03b
具有 4 个响应系数。