R gamma.shape 估计 GLM 拟合中 Gamma 分布的形状参数

说明

拟合 Gamma 广义线性模型后求伽马分布形状参数的最大似然估计。

用法

gamma.shape(object, ...)

## S3 method for class 'glm'
gamma.shape(object, it.lim = 10,
            eps.max = .Machine$double.eps^0.25, verbose = FALSE, ...)

参数

object	使用 variance = "mu^2" 拟合来自 Gamma 系列或 quasi 系列的模型对象。
it.lim	迭代次数的上限。
eps.max	迭代过程继续的近似值之间的最大差异。
verbose	如果 TRUE ，会导致打印出连续的迭代。初步估计是根据偏差得出的。
...	传入或传出其他方法的进一步参数。

细节

Gamma 系列的 glm 拟合可以正确计算平均参数的最大似然估计，但仅提供色散参数的粗略估计。该函数采用 glm 拟合的结果并求解色散参数(通常称为形状(或指数)参数)倒数的最大似然方程。

值

两个组件的列表

alpha	最大似然估计
SE	近似标准误差，观测信息倒数的平方根。

例子

clotting <- data.frame(
    u = c(5,10,15,20,30,40,60,80,100),
    lot1 = c(118,58,42,35,27,25,21,19,18),
    lot2 = c(69,35,26,21,18,16,13,12,12))
clot1 <- glm(lot1 ~ log(u), data = clotting, family = Gamma)
gamma.shape(clot1)

gm <- glm(Days + 0.1 ~ Age*Eth*Sex*Lrn,
          quasi(link=log, variance="mu^2"), quine,
          start = c(3, rep(0,31)))
gamma.shape(gm, verbose = TRUE)
## IGNORE_RDIFF_BEGIN
summary(gm, dispersion = gamma.dispersion(gm))  # better summary
## IGNORE_RDIFF_END

参考

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

也可以看看

gamma.dispersion