gamlss.etamu
位于 mgcv
包(package)。 说明
主要供内部使用,用于指定位置比例模型。令 g(mu) = lp
,其中 lp
是线性预测器,g
是链接函数。假设我们已经计算了 mu
的对数似然导数。此函数使用链式法则来计算 lp
的对数似然导数。有关数组打包约定,请参阅trind.generator
。
用法
gamlss.etamu(l1, l2, l3 = NULL, l4 = NULL, ig1, g2, g3 = NULL,
g4 = NULL, i2, i3 = NULL, i4 = NULL, deriv = 0)
参数
l1 |
mu 的对数似然一阶导数数组。 |
l2 |
mu 的对数似然二阶导数数组。 |
l3 |
mu 的对数似然的三阶导数数组。 |
l4 |
mu 的对数似然的四阶导数数组。 |
ig1 |
链接函数相对于线性预测器的一阶导数的倒数。 |
g2 |
包含线性预测器的链接函数的二阶导数的数组。 |
g3 |
包含线性预测器的链接函数的三阶导数的数组。 |
g4 |
包含线性预测器的链接函数的四阶导数的数组。 |
i2 |
二维索引数组,使得 |
i3 |
third-dimensional 索引数组,使得 |
i4 |
third-dimensional 索引数组,使得 |
deriv |
如果 |
值
一个列表,其中数组 l1
、 l2
、 l3
、 l4
包含线性预测器对数似然的导数(最多四阶)。
作者
Simon N. Wood <simon.wood@r-project.org>.
也可以看看
相关用法
- R gamlss.gH 计算回归系数的对数似然导数
- R gam.check 拟合 gam 模型的一些诊断
- R gam.reparam 寻找平方根惩罚的稳定正交重新参数化。
- R gam.side GAM 的可识别性边条件
- R gamm 广义加性混合模型
- R gam.fit3 使用 GCV、UBRE/AIC 或 RE/ML 导数计算进行 P-IRLS GAM 估计
- R gam.fit5.post.proc gam.fit5 的后处理输出
- R gam.fit GAM P-IRLS 估计与 GCV/UBRE 平滑度估计
- R gam 具有集成平滑度估计的广义加性模型
- R gam.mh 具有 gam 拟合的简单后验模拟
- R gam.control 设置 GAM 拟合默认值
- R gam2objective GAM 平滑参数估计的目标函数
- R gam.outer 使用“外部”迭代最小化 GAM 的 GCV 或 UBRE 分数
- R gam.vcomp 将 gam 平滑度估计报告为方差分量
- R gammals 伽玛位置比例模型系列
- R gam.models 指定广义加性模型
- R gamSim 模拟 GAM 的示例数据
- R gam.selection 广义加性模型选择
- R gaulss 高斯位置尺度模型族
- R gfam 分组家庭
- R gumbls Gumbel 位置比例模型族
- R gevlss 广义极值位置比例模型族
- R ginla GAM 集成嵌套拉普拉斯逼近牛顿增强
- R get.var 从列表或 data.frame 中获取命名变量或计算表达式
- R vcov.gam 从 GAM 拟合中提取参数(估计器)协方差矩阵
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Transform derivatives wrt mu to derivatives wrt linear predictor。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。