R corExp 指数相关结构

说明

该函数是"corExp" 类的构造函数，表示指数空间相关结构。令d表示范围，n表示块金效应，相距r的两个观测值之间的相关性在不存在块金效应时为\exp(-r/d)，在假设存在块金效应时为(1-n) \exp(-r/d)。使用此构造函数创建的对象稍后必须使用适当的 Initialize 方法进行初始化。

用法

corExp(value, form, nugget, metric, fixed)

参数

value	带有约束形式的参数值的可选向量。如果 nugget 为 FALSE ，则 value 只能有一个元素，对应指数相关结构的 "range"，该元素必须大于零。如果 nugget 是 TRUE ，意味着存在块金效应，则 value 可以包含一个或两个元素，第一个是 "range"，第二个是 "nugget effect"(一减去两个观测值之间的相关性)任意靠近)；第一个必须大于零，第二个必须介于零和一之间。默认为 numeric(0) ，这会导致在初始化 object 时将最小距离的 90% 范围和 0.1 的块金效应分配给参数。
form	~ S1+...+Sp 或 ~ S1+...+Sp | g 形式的单边公式，指定空间协变量 S1 到 Sp 以及可选的分组因子 g 。当 form 中存在分组因子时，假定相关结构仅适用于同一分组级别内的观测值；假设具有不同分组级别的观测值是不相关的。默认为 ~ 1 ，这对应于使用数据中的观察顺序作为协变量，并且没有组。
nugget	指示是否存在金块效应的可选逻辑值。默认为 FALSE 。
metric	指定要使用的距离度量的可选字符串。当前可用的选项是"euclidean"，用于距离的平方和； "maximum"为最大差值； "manhattan" 为绝对差之和。使用参数的部分匹配，因此只需提供前三个字符。默认为 "euclidean" 。
fixed	一个可选的逻辑值，指示是否应允许系数在优化中变化，或保持固定在其初始值。默认为 FALSE ，在这种情况下允许系数变化。

值

类 "corExp" 的对象，也继承自类 "corSpatial" ，表示指数空间相关结构。

例子

sp1 <- corExp(form = ~ x + y + z)

# Pinheiro and Bates, p. 238
spatDat <- data.frame(x = (0:4)/4, y = (0:4)/4)

cs1Exp <- corExp(1, form = ~ x + y)
cs1Exp <- Initialize(cs1Exp, spatDat)
corMatrix(cs1Exp)

cs2Exp <- corExp(1, form = ~ x + y, metric = "man")
cs2Exp <- Initialize(cs2Exp, spatDat)
corMatrix(cs2Exp)

cs3Exp <- corExp(c(1, 0.2), form = ~ x + y,
                 nugget = TRUE)
cs3Exp <- Initialize(cs3Exp, spatDat)
corMatrix(cs3Exp)

# example lme(..., corExp ...)
# Pinheiro and Bates, pp. 222-247
# p. 222
options(contrasts = c("contr.treatment", "contr.poly"))
fm1BW.lme <- lme(weight ~ Time * Diet, BodyWeight,
                   random = ~ Time)
# p. 223
fm2BW.lme <- update(fm1BW.lme, weights = varPower())
# p. 246
fm3BW.lme <- update(fm2BW.lme,
           correlation = corExp(form = ~ Time))
# p. 247
fm4BW.lme <-
      update(fm3BW.lme, correlation = corExp(form =  ~ Time,
                        nugget = TRUE))
anova(fm3BW.lme, fm4BW.lme)

作者

José Pinheiro and Douglas Bates bates@stat.wisc.edu

参考

Cressie, N.A.C. (1993), "Statistics for Spatial Data", J. Wiley & Sons.

Venables, W.N. and Ripley, B.D. (2002) "Modern Applied Statistics with S", 4th Edition, Springer-Verlag.

Littel, Milliken, Stroup, and Wolfinger (1996) "SAS Systems for Mixed Models", SAS Institute.

Pinheiro, J.C., and Bates, D.M. (2000) "Mixed-Effects Models in S and S-PLUS", Springer, esp. p. 238.

也可以看看

corClasses , Initialize.corStruct , summary.corStruct , dist