anova.lme
位于 nlme
包(package)。 说明
当仅存在一个拟合模型对象时,具有分子自由度、分母自由度、F-values 和模型中项的 Wald 测试 P 值的 DataFrame (当 Terms
和 L
是 NULL
)、模型项的组合(当 Terms
不是 NULL
时)或模型系数的线性组合(当 L
不是 NULL
时)。否则,当比较多个拟合对象时,将返回一个 DataFrame ,其中包含每个对象的自由度、(受限)对数似然、赤池信息准则(AIC)和贝叶斯信息准则(BIC)。如果 test=TRUE
,只要两个连续对象具有不同数量的自由度,则返回的数据帧中将包含具有相关 p 值的似然比统计量。
用法
## S3 method for class 'lme'
anova(object, ..., test, type, adjustSigma, Terms, L, verbose)
## S3 method for class 'anova.lme'
print(x, verbose, ...)
参数
object |
继承自类 |
... |
其他可选的拟合模型对象继承自类 |
test |
一个可选逻辑值,控制是否应使用似然比检验来比较 |
type |
一个可选字符串,指定模型中的项在 F-tests 中使用的平方和类型。如果 |
adjustSigma |
可选的逻辑值。如果 |
Terms |
可选的整数或字符向量,指定模型中的哪些项应使用 Wald F-test 联合测试为零。如果作为字符向量给出,其元素必须对应于术语名称;否则,如果作为整数向量给出,则其元素必须与模型中包含项的顺序相对应。仅当将单个拟合对象传递给函数时才使用此参数。默认为 |
L |
一个可选的数值向量或数组,指定模型中应测试为零的系数的线性组合。如果以数组形式给出,则其行定义要测试的线性组合。如果将名称分配给向量元素(数组列),则它们必须与系数名称相对应,并将用于将线性组合映射到系数;否则,如果没有可用的名称,则假定向量元素(数组列)的顺序与模型中出现的系数相同。仅当将单个拟合对象传递给函数时才使用此参数。默认为 |
x |
从类 |
verbose |
可选的逻辑值。如果 |
值
继承自类 "anova.lme"
的 DataFrame 。
注意
对于使用受限最大似然和具有不同固定效应的对象拟合来说,似然比较没有意义。
例子
fm1 <- lme(distance ~ age, Orthodont, random = ~ age | Subject)
anova(fm1)
fm2 <- update(fm1, random = pdDiag(~age))
anova(fm1, fm2)
## Pinheiro and Bates, pp. 251-254 ------------------------------------------
fm1Orth.gls <- gls(distance ~ Sex * I(age - 11), Orthodont,
correlation = corSymm(form = ~ 1 | Subject),
weights = varIdent(form = ~ 1 | age))
fm2Orth.gls <- update(fm1Orth.gls,
corr = corCompSymm(form = ~ 1 | Subject))
## anova.gls examples:
anova(fm1Orth.gls, fm2Orth.gls)
fm3Orth.gls <- update(fm2Orth.gls, weights = NULL)
anova(fm2Orth.gls, fm3Orth.gls)
fm4Orth.gls <- update(fm3Orth.gls, weights = varIdent(form = ~ 1 | Sex))
anova(fm3Orth.gls, fm4Orth.gls)
# not in book but needed for the following command
fm3Orth.lme <- lme(distance ~ Sex*I(age-11), data = Orthodont,
random = ~ I(age-11) | Subject,
weights = varIdent(form = ~ 1 | Sex))
# Compare an "lme" object with a "gls" object (test would be non-sensical!)
anova(fm3Orth.lme, fm4Orth.gls, test = FALSE)
## Pinheiro and Bates, pp. 222-225 ------------------------------------------
op <- options(contrasts = c("contr.treatment", "contr.poly"))
fm1BW.lme <- lme(weight ~ Time * Diet, BodyWeight, random = ~ Time)
fm2BW.lme <- update(fm1BW.lme, weights = varPower())
# Test a specific contrast
anova(fm2BW.lme, L = c("Time:Diet2" = 1, "Time:Diet3" = -1))
## Pinheiro and Bates, pp. 352-365 ------------------------------------------
fm1Theo.lis <- nlsList(
conc ~ SSfol(Dose, Time, lKe, lKa, lCl), data=Theoph)
fm1Theo.lis
fm1Theo.nlme <- nlme(fm1Theo.lis)
fm2Theo.nlme <- update(fm1Theo.nlme, random= pdDiag(lKe+lKa+lCl~1) )
fm3Theo.nlme <- update(fm2Theo.nlme, random= pdDiag( lKa+lCl~1) )
# Comparing the 3 nlme models
anova(fm1Theo.nlme, fm3Theo.nlme, fm2Theo.nlme)
options(op) # (set back to previous state)
作者
José Pinheiro and Douglas Bates bates@stat.wisc.edu
参考
Pinheiro, J.C., and Bates, D.M. (2000) "Mixed-Effects Models in S and S-PLUS", Springer.
也可以看看
gls
, gnls
, nlme
, lme
, AIC
, BIC
, print.anova.lme
, logLik.lme
,
相关用法
- R anova.gls 比较拟合对象的可能性
- R as.matrix.corStruct corStruct 对象的矩阵
- R asTable 将 groupedData 转换为矩阵
- R as.matrix.reStruct reStruct 对象的矩阵
- R asOneFormula 组合一组对象的公式
- R augPred 增强预测
- R as.matrix.pdMat pdMat 对象的矩阵
- R allCoef 从一组对象中提取系数
- R Pixel X 射线像素强度随时间的变化
- R corARMA ARMA(p,q) 相关结构
- R getGroupsFormula 提取分组公式
- R corRatio 有理二次相关结构
- R logLik.glsStruct glsStruct 对象的对数似然
- R intervals.lmList lmList 系数的置信区间
- R corLin 线性相关结构
- R plot.augPred 绘制 augPred 对象
- R print.varFunc 打印 varFunc 对象
- R recalc 重新计算压缩线性模型对象
- R Variogram.corSpher 计算 corSpher 对象的半变异函数
- R getGroups.lme 提取 lme 对象组
- R nlmeStruct 非线性混合效应结构
- R predict.nlme 来自 nlme 对象的预测
- R corSymm 一般相关结构
- R qqnorm.gls gls 对象残差的正态图
- R pdCompSymm 具有复合对称结构的正定矩阵
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Compare Likelihoods of Fitted Objects。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。