预测变量必须为数值向量、数值矩阵或分类向量

北太天元不支持 categorical 类型变量作为拟合变量，可使用 CategoricalVars 参数替代

%% 分段线性回归拟合：NIPT检测数据分析
% 业务背景：研究无创产前检测(NIPT)中，胎儿Y染色体浓度的影响因素
% 核心变量说明：
%    Y     - 母血中胎儿Y染色体游离DNA浓度（因变量/核心指标）
%    GA    - 孕妇孕周（自变量）
%    BMI   - 孕妇身体质量指数（分组依据）
% 分析目的：按BMI分组拟合回归线，探究不同肥胖程度下孕周对Y浓度的影响
% 兼容说明：北太天元不支持 categorical 类型变量作为拟合变量，可使用 CategoricalVars 参数替代
clear; clc; close all;

%% ========== 1. 生成模拟数据 ==========
rng(0);                  % 固定随机种子，结果可复现
n = 50;                  % 模拟样本数量
Y  = rand(n,1) * 0.2;    % 模拟胎儿Y染色体浓度数据
GA = rand(n,1) * 20 + 10;% 模拟孕周范围 10~30周
BMI= rand(n,1) * 30 + 15;% 模拟BMI范围 15~45

% BMI分组（固定切点：<30.5 / 30.5~36 / ≥36）
BMI_group = discretize(BMI, [0, 30.5, 36, Inf]); 

% 构建回归分析数据表
model_data = table(Y, GA, BMI_group, 'VariableNames', {'Y','GA','BMI_group'});

%% ========== 2. 【初始方案】转为分类变量（北太天元不支持，会报错） ==========
% 北太天元兼容性问题：不支持 categorical 数据类型，此代码运行报错
% model_data.BMI_group = categorical(model_data.BMI_group); 
% model1 = fitlm(model_data, 'Y ~ BMI_group * GA');

%% ========== 3. 【错误用法】数值型分组直接拟合 ==========
% BMI_group为数值类型，会被模型当作连续变量，无法实现分组分段效果
% model2 = fitlm(model_data, 'Y ~ BMI_group * GA');

%% ========== 4. 【替代方案】CategoricalVars 参数指定分组变量 ==========
% 无需转换数据类型，直接指定分组变量，完美替代 categorical，兼容北太天元
model_final = fitlm(model_data, 'Y ~ BMI_group * GA', 'CategoricalVars', "BMI_group");

初始方案报错信息如下：

预测变量必须为数值向量、数值矩阵或分类向量。

位于 BP 文件 [D:\ProgramFiles\baltamatica\toolbox\Stats\src\FitObject.bp]

位于 BP 文件 [D:\ProgramFiles\baltamatica\toolbox\Stats\src\TermsRegression.bp]

位于 BP 文件 [D:\ProgramFiles\baltamatica\toolbox\Stats\src\FitObject.bp]

位于 BP 文件 [D:\ProgramFiles\baltamatica\toolbox\Stats\src\LinearModel.bp]

位于 BP 文件 [D:\ProgramFiles\baltamatica\toolbox\Stats\src\fitlm.bp]

位于文件 D:\Baltamatica\Workspace\learn\Baltamatica\产品使用案例制作\NIPT的时点选择与胎儿异常判定\test.m (第 27 行)

model1 = fitlm(model_data, 'Y ~ BMI_group * GA');