R theta.md 估计负二项式的 theta

说明

给定估计的均值向量，估计负二项分布的theta。

用法

theta.md(y, mu, dfr, weights, limit = 20, eps = .Machine$double.eps^0.25)

theta.ml(y, mu, n, weights, limit = 10, eps = .Machine$double.eps^0.25,
         trace = FALSE)

theta.mm(y, mu, dfr, weights, limit = 10, eps = .Machine$double.eps^0.25)

参数

y	负二项式观测值的向量。
mu	估计的平均向量。
n	数据点数(默认为 weights 的总和)
dfr	剩余自由度(假设 theta 已知)。对于加权拟合，这是权重之和减去拟合参数的数量。
weights	箱重。如果缺失，则视为1。
limit	迭代次数的限制。
eps	公差决定收敛性。
trace	逻辑：应该打印迭代进度吗？

细节

theta.md 通过将偏差等同于剩余自由度进行估计，类似于矩估计器。

theta.ml 使用最大似然。

theta.mm 通过将皮尔逊卡方 \sum (y-\mu)^2/(\mu+\mu^2/\theta) 等于剩余自由度来计算 theta 的矩估计量。

值

theta 所需的估计值，作为标量。对于 theta.ml ，标准错误作为属性 "SE" 给出。

例子

quine.nb <- glm.nb(Days ~ .^2, data = quine)
theta.md(quine$Days, fitted(quine.nb), dfr = df.residual(quine.nb))
theta.ml(quine$Days, fitted(quine.nb))
theta.mm(quine$Days, fitted(quine.nb), dfr = df.residual(quine.nb))

## weighted example
yeast <- data.frame(cbind(numbers = 0:5, fr = c(213, 128, 37, 18, 3, 1)))
fit <- glm.nb(numbers ~ 1, weights = fr, data = yeast)
## IGNORE_RDIFF_BEGIN
summary(fit)
## IGNORE_RDIFF_END
mu <- fitted(fit)
theta.md(yeast$numbers, mu, dfr = 399, weights = yeast$fr)
theta.ml(yeast$numbers, mu, limit = 15, weights = yeast$fr)
theta.mm(yeast$numbers, mu, dfr = 399, weights = yeast$fr)

也可以看看

glm.nb