R语言
magic.post.proc
位于 mgcv
包(package)。 说明
获取贝叶斯参数协方差矩阵、频率参数估计协方差矩阵、每个参数的估计自由度以及影响/帽子矩阵的主对角线,用于由 magic
估计的惩罚回归。
用法
magic.post.proc(X,object,w=NULL)
参数
X |
是模型矩阵。 |
object |
是用模型矩阵 |
w |
是拟合中使用的权重向量,或拟合中使用的权重矩阵(即提供给 |
细节
object
包含rV
(例如 )和scale
(例如 ),可用于获取所需数量,如下所示。参数的贝叶斯协方差矩阵为 。每个参数的估计自由度向量是 的前导对角线,其中 是权重矩阵 w
或矩阵 diag(w)
。帽子/影响力矩阵由 给出。
频率参数估计协方差矩阵为
:有时它对于测试项是否等于零很有用。值
包含三个项目的列表:
Vb |
模型参数的贝叶斯协方差矩阵。 |
Ve |
参数估计量的频率协方差矩阵。 |
hat |
帽子(影响力)矩阵的前导对角线。 |
edf |
给出与每个参数相关的估计自由度的数组。 |
作者
Simon N. Wood simon.wood@r-project.org
也可以看看
相关用法
- R magic 通过 GCV 或 UBRE 进行稳定的多重平滑参数估计
- R mgcv.parallel mgcv 中的并行计算。
- R mvn 多元正态加性模型
- R multinom GAM 多项式逻辑回归
- R mini.roots 获取惩罚矩阵的平方根
- R missing.data GAM 中缺失数据
- R mroot 矩阵的最小平方根
- R mgcv.package 混合 GAM 计算车辆,具有 GCV/AIC/REML/NCV 平滑度估计和 REML/PQL 的 GAMM
- R model.matrix.gam 从 GAM 拟合中提取模型矩阵
- R mono.con 三次回归样条的单调性约束
- R vcov.gam 从 GAM 拟合中提取参数(估计器)协方差矩阵
- R gam.check 拟合 gam 模型的一些诊断
- R null.space.dimension TPRS 未惩罚函数空间的基础
- R gam.reparam 寻找平方根惩罚的稳定正交重新参数化。
- R extract.lme.cov 从 lme 对象中提取数据协方差矩阵
- R scat 用于重尾数据的 GAM 缩放 t 系列
- R choldrop 删除并排名第一 Cholesky 因子更新
- R smooth.construct.cr.smooth.spec GAM 中的惩罚三次回归样条
- R bandchol 带对角矩阵的 Choleski 分解
- R gam.side GAM 的可识别性边条件
- R cox.ph 附加 Cox 比例风险模型
- R gamm 广义加性混合模型
- R pdTens 实现张量积平滑的 pdMat 类的函数
- R Predict.matrix GAM 中平滑项的预测方法
- R Predict.matrix.soap.film 皂膜光滑度预测矩阵
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Auxilliary information from magic fit。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。